jahs_bench_201ダウンロードjahs_bench_201ソースコードダウンロード

jahs_bench_201

その他のソースコード

1.0.0

ダウンロード

Jahs-bench-2011

マルチオブジェクト、コスト認識、および（マルチ）マルチフィデル最適化アルゴリズムに関する研究をサポートおよび促進するために構築された、共同アーキテクチャとハイパーパラメーター検索（JAHS）の代理ベンチマークの最初のコレクション。

こちらのドキュメントをご覧ください。データ収集と代理作成プロセス、および実験に関する正確な詳細は、Assoscied Publicationに記載されています。

インストール

PIPを使用します

pip install jahs-bench

オプションで、Surrogate Benchmarkを事前に使用するために必要なデータをダウンロードできます

python -m jahs_bench.download --target surrogates

インストールが成功したかどうかをテストするために、例えば、最小限の例を実行できます

python -m jahs_bench_examples.minimal

これにより、構成をランダムにサンプリングし、サンプリングされた構成とその構成のサロゲートをクエリする結果の両方を表示する必要があります。注：最近、サロゲートモデルに使用されるライブラリであるXGBoostが、MACOSとの互換性の互換性の問題に苦しむ可能性があることを発見しました。そのような問題に遭遇したユーザーは、詳細についてはこのディスカッションを参照することができます。

ベンチマークを使用します

構成の作成

ジョイントアーキテクチャとハイパーパラメーター（JAHS）スペースの構成は、辞書として表されます。

 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 ,
}

検索スペースと構成に関する完全な説明については、ドキュメントを参照してください。

構成の評価

 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

より多くの評価オプション

ベンチマークのAPIを使用すると、ユーザーはサロゲートモデル（デフォルト）またはパフォーマンスデータの表を照会するか、ベンチマークで使用したのと同じパイプラインを使用して、ゼロから検索スペースから構成をトレーニングできます。ただし、ユーザーは、後者の機能には、オプションのdata_creationコンポーネントとその関連する依存関係を備えたjahs_bench_201のインストールが必要であることに注意する必要があります。関連するデータは、APIによって自動的にダウンロードできます。詳細については、ドキュメントを参照してください。