通过实时循环学习进行在线超参数优化 Daniel Jiwoong Im，Cristina Savin和Kyunghyun Cho提供的在线超参数优化（OHO）代码的Pytorch实现一种在线超参数优化算法，在理论上和实践上都渐近精确且在计算上易于处理。 我们的框架利用了递归神经网络（RNN）中超参数优化和参数学习之间的类比。 它为RNN改编了经过广泛研究的在线学习算法系列，可同时调整超参数和网络参数，而无需反复进行迭代优化。 与标准方法相比，此过程可在较短的时钟时间上系统地产生更好的泛化性能。