在TFLearn中，可以使用GridSearch類來進行超參數搜索。以下是一個簡單的示例，演示如何使用GridSearch類：
from tflearn import GridSearch
# 定義模型
def build_model(learning_rate, dropout_rate):
# 構建模型的代碼
# 返回模型對象
# 定義超參數搜索的參數空間
parameters = {
'learning_rate': [0.001, 0.01, 0.1],
'dropout_rate': [0.3, 0.5, 0.7]
}
# 實例化GridSearch類
search = GridSearch(build_model)
# 運行超參數搜索
search.grid_search(parameters)
# 獲取最佳超參數組合
best_params = search.best_params
print("Best parameters:", best_params)
在上面的示例中，首先定義了一個用于構建模型的函數build_model，然后定義了超參數搜索的參數空間parameters。接著實例化了GridSearch類，并調用grid_search方法來執行超參數搜索。最后，獲取最佳超參數組合并輸出。
請注意，超參數搜索可能會耗費大量時間和計算資源，特別是在參數空間很大的情況下。因此，建議在較小的參數空間中進行測試和調試。
