помогите исправить и оптимизировать пожалуйста. но основной вопрос как настроить что Тюнер перебирал и оптимизаторы и разный шаг для них (а то смог сделать или только перебор оптимизаторов или шага обучения) а так же возможно ли настроить так же чтоб тюнер перебирал разные значения batch size.

Создаем модель

class RegressionHyperModel(HyperModel):
def __init__(self, input_shape):
    self.input_shape = input_shape
def build(self, hp):
    model = Sequential()
    activation_choice = hp.Choice('activation', values=['relu', 'sigmoid', 'tanh', 'elu', 'selu'])
    model.add(
        layers.Dense(
            units=hp.Int('units', 32, 1024, 30, default=128),
            activation=hp.Choice(
                'dense_activation',
                values=['relu', 'tanh', 'sigmoid'],
                default='relu'),
            input_shape=input_shape
        )
    )
    for i in range(hp.Int('num_layers', 2, 10)):
          model.add(layers.Dense(units=hp.Int('units_' + str(i),
                                              min_value=32,
                                              max_value=1024,
                                              step=32),
                                 activation=activation_choice))
    model.add(
        layers.Dropout(
            hp.Float(
                'dropout',
                min_value=0.0,
                max_value=0.1,
                default=0.005,
                step=0.01)
        )
    )
    
    model.add(layers.Dense(1))
    
    model.compile(
                optimizer=keras.optimizers.Adam(
        hp.Choice('learning_rate',
                  values=[1e-2, 1e-3, 1e-4])),
        loss='mse',metrics=['mse']
    )
    
    return model