模型训练：具有不同超参数的已保存模型的命名方案

问题描述

对于分类任务，我一直在尝试不同的神经网络体系结构和训练方法：改变隐藏层的数量，激活函数，批处理大小，历元，损失函数等。

有时候，我想比较不同模型的性能。经过训练/验证后，每个模型都保存在S3中，其名称表示其参数+超参数（例如'100_1000_0.5_100 _..._ 1.model'）

这种命名方案很混乱，我想找到一种更好的方法来基于（超）参数保存/加载模型。一种可能的选择是为不同的参数创建嵌套文件夹（例如100-> 1000-> 0.5-> 100-> ...-> 1.model）但是，这种约定仍然很脆弱—如果我更改超参数的数量/顺序，我必须在S3中重新组织整个文件夹结构。

关于如何存储具有10-15个不同参数的网络的任何建议？ （而且，是否值得存储使用不同超参数训练的同一模型的多个副本？）

解决方法

bene的建议很有帮助：将每个模型保存在一个平面目录中，并附带一个参考文件来存储用于每个训练实例的超参数。