没有项目描述
dragonfly-opt的Python项目详细描述
蜻蜓是一个用于可伸缩贝叶斯优化的开源python库。
贝叶斯优化用于优化黑盒函数，其评估为 通常很贵。除了普通的优化技术，蜻蜓还提供了一系列工具来 扩大贝叶斯优化到昂贵的大规模问题。 这些特性/功能特别适合 高维优化（对大量变量进行优化） 同步或异步设置中的并行计算（执行多个 并行评估，多保真度优化（使用廉价近似） 加速优化过程）和多目标优化（优化 同时执行多个功能）。
蜻蜓与python2（>；=2.7）和python3（>；=3.5）兼容，并经过测试 在Linux、MacOS和Windows平台上。 有关文档、安装和入门指南，请参阅 readthedocs page。有关详细信息，请参见 我们的paper。
安装
见 here 有关安装蜻蜓及其依赖项的详细说明。
快速安装：
如果你以前做过这种事情，你应该能够安装
蜻蜓经pip。
$ sudo apt-get install python-dev python3-dev gfortran # On Ubuntu/Debian
$ pip install numpy
$ pip install dragonfly-opt -v
测试安装： 您可以在python中导入蜻蜓来测试它是否安装正确。 如果已通过源安装，请确保移动到其他目录 以避免命名冲突。
$ python >>> from dragonfly import minimise_function >>> # The first argument below is the function, the second is the domain, and the third is the budget. >>> min_val, min_pt, history= minimise_function(lambda x: x ** 4 - x**2 + 0.1 * x, [[-10, 10]], 10); ... >>> min_val, min_pt (-0.32122746026750953, array([-0.7129672]))
由于算法的随机性，上述min_val，min_pt的值可能是
不一样。如果你运行更长时间（例如
min_val, min_pt, history = minimise_function(lambda x: x ** 4 - x**2 + 0.1 * x, [[-10, 10]], 100)，
你应该得到更一致的最小值。
如果安装失败或出现警告消息，请参阅详细说明 here。
快速启动
蜻蜓可以
通过调用
^{maximise_function函数导入到python代码中。
为了帮助开始，我们在
^{
命令行： 下面是命令行中的一个使用示例。
$ cd examples
$ dragonfly-script.py --config synthetic/branin/config.json --options options_files/options_example.txt
在python代码中：
蜻蜓的主要api定义在
^{
fromdragonflyimportminimise_function,maximise_functionfunc=lambdax:x**4-x**2+0.1*xdomain=[[-10,10]]max_capital=100min_val,min_pt,history=minimise_function(func,domain,max_capital)print(min_val,min_pt)max_val,max_pt,history=maximise_function(lambdax:-func(x),domain,max_capital)print(max_val,max_pt)
这里，^ {CD11>}是要被最大化的函数，
domain是要优化func的域，
而max_capital是可用于优化的资本。
可以通过json文件或代码指定域。
见
here，
here，
here，
here，
here，
here，
here，
here，
here，
here，
和
here
更详细的例子。
对于使用案例的综合列表，包括多目标优化， 多保真度优化、神经架构搜索和其他优化 方法（除了贝叶斯优化），请参阅我们的“阅读文档”页 （command line， Python）。
贡献者
柯特瓦桑坎大萨米：github，
webpage
卡伦·拉朱·维斯亚拉朱：github，
linkedin
威利·内斯旺格：github，
webpage
比斯瓦吉特帕里亚：github，
webpage
克里斯·柯林斯：github，
webpage
确认
这套方法的研究和开发由 DOE GRANT DES0011114、NSF GRANT IIS1563887、DARPA D3M计划和AFRL。
引文
如果你在工作中使用了本规范的任何部分，请引用 this manuscript。
@article{kandasamy2019tuning,
title={{Tuning Hyperparameters without Grad Students: Scalable and Robust Bayesian
Optimisation with Dragonfly}},
author={Kandasamy, Kirthevasan and Vysyaraju, Karun Raju and Neiswanger,
Willie and Paria, Biswajit and Collins, Christopher R. and Schneider, Jeff and
Poczos, Barnabas and Xing, Eric P},
journal={arXiv preprint arXiv:1903.06694},
year={2019}
}
许可证
这个软件是在麻省理工学院的许可下发布的。详情请参阅 LICENSE.txt。
如有疑问，请发电子邮件至kandasamy@cs.cmu.edu。
“版权所有2018-2019 Kirthevasan Kandasamy”
欢迎加入QQ群-->： 979659372
