المجموعة الأولى من المعايير البديلة للهندسة المعمارية المشتركة والبحث الفائق القياس (JAHS) ، والتي تم تصميمها لدعم وتسهيل البحث في خوارزميات تحسين الأداء المتعددة ، ودراسة التكلفة ، (متعددة).
يرجى الاطلاع على وثائقنا هنا. يمكن العثور على تفاصيل دقيقة حول جمع البيانات وعملية إنشاء البديل ، وكذلك تجاربنا ، في المنشور المُعاد بالبراعة.
باستخدام PIP
pip install jahs-bench
اختياريا ، يمكنك تنزيل البيانات المطلوبة لاستخدام معيار البديل في وقت مبكر مع
python -m jahs_bench.download --target surrogates
لاختبار ما إذا كان التثبيت ناجحًا ، يمكنك ، على سبيل المثال ، تشغيل مثال أدنى مع
python -m jahs_bench_examples.minimal
يجب أن يقوم هذا بشكل عشوائي بتجربة التكوين ، وعرض كل من التكوين الذي تم أخذ عينات منه ونتيجة الاستعلام عن البديل لهذا التكوين. ملاحظة: لقد اكتشفنا مؤخرًا أن XgBoost - المكتبة المستخدمة في نماذجنا البديلة - يمكن أن تعاني من بعض مشكلات عدم التوافق مع MacOS. يمكن للمستخدمين الذين يواجهون مثل هذه القضية استشارة هذه المناقشة للحصول على التفاصيل.
يتم تمثيل التكوينات في بنيةنا المشتركة ومساحة مقياس البارامير (JAHS) كقواميس ، على سبيل المثال ،:
config = {
'Optimizer' : 'SGD' ,
'LearningRate' : 0.1 ,
'WeightDecay' : 5e-05 ,
'Activation' : 'Mish' ,
'TrivialAugment' : False ,
'Op1' : 4 ,
'Op2' : 1 ,
'Op3' : 2 ,
'Op4' : 0 ,
'Op5' : 2 ,
'Op6' : 1 ,
'N' : 5 ,
'W' : 16 ,
'Resolution' : 1.0 ,
}
للحصول على وصف كامل على مساحة البحث والتكوينات ، راجع وثائقنا.
import jahs_bench
benchmark = jahs_bench . Benchmark ( task = "cifar10" , download = True )
# Query a random configuration
config = benchmark . sample_config ()
results = benchmark ( config , nepochs = 200 )
# Display the outputs
print ( f"Config: { config } " ) # A dict
print ( f"Result: { results } " ) # A dict
تمكن واجهة برمجة التطبيقات (API) الخاصة بمستخدمي إما الاستعلام عن نموذج بديل (الافتراضي) أو جداول بيانات الأداء ، أو تدريب تكوين من مساحة البحث الخاصة بنا من نقطة الصفر باستخدام نفس خط الأنابيب كما استخدمها المعيار. ومع ذلك ، يجب أن يلاحظ المستخدمون أن الوظيفة الأخيرة تتطلب تثبيت jahs_bench_201
مع مكون data_creation
الاختياري وتبعياته ذات الصلة. يمكن تنزيل البيانات ذات الصلة تلقائيًا بواسطة API الخاص بنا. انظر وثائقنا للحصول على التفاصيل.
نحن نقدم وثائق لمجموعة بيانات الأداء المستخدمة لتدريب نماذجنا البديلة ومزيد من المعلومات حول نماذجنا البديلة.
انظر مستودع تجاربنا ووثائقنا.
نحافظ على ألواح المتصدرين للعديد من مهام التحسين والأطر الخوارزمية.