PyHopper——超参数优化平台
机器学习
2022-10-11 v1
摘要
超参数调优是机器学习研究的基本环节。搭建用于系统性优化超参数的基础设施可能耗费大量时间。在此，我们提出 PyHopper，一个旨在简化机器学习研究者超参数调优工作流的黑盒优化平台。PyHopper 的目标是以最小的代价与现有代码集成，并在最少必要人工监督下运行优化过程。以简洁为主旨，PyHopper 由单一稳健的马尔可夫链蒙特卡洛优化算法驱动，可扩展至数百万维。与现有调优包相比，聚焦于单一算法使用户免于在多种算法间抉择，并使 PyHopper 易于定制。PyHopper 基于 Apache-2.0 许可证公开可用，地址为 https://github.com/PyHopper/PyHopper。
引用
@article{arxiv.2210.04728,
title = {PyHopper -- Hyperparameter optimization},
author = {Mathias Lechner and Ramin Hasani and Philipp Neubauer and Sophie Neubauer and Daniela Rus},
journal= {arXiv preprint arXiv:2210.04728},
year = {2022}
}