معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Distributed global function search via dlib

ویژگی	مقدار
سیستم عامل	-
نام فایل	distgfs-1.1.0
نام	distgfs
نسخه کتابخانه	1.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Ivan Raikov
ایمیل نویسنده	ivan.g.raikov@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/distgfs/
مجوز	GPL-3.0-or-later

# distgfs Distributed computing framework for the [Global Function Search](http://dlib.net/optimization.html#global_function_search) (GFS) hyperparameter optimizer from the [Dlib](http://dlib.net) library. Based on [gfsopt](https://github.com/tsoernes/gfsopt). Provides the following features: * Parallel optimization: Run distributed hyperparameter searches via [mpi4py](https://github.com/mpi4py/mpi4py). * Save and restore progress: Save/restore settings, parameters and optimization progress to/from HDF5 file. * Average over multiple runs: Run a stochastic objective function using the same parameters multiple times and report the average to Dlib's Global Function Search. Useful in highly stochastic domains to avoid biasing the search towards lucky runs. For theoretical background of GFS, see ['A Global Optimization Algorithm Worth Using'](http://blog.dlib.net/2017/12/a-global-optimization-algorithm-worth.html) and [Malherbe & Vayatis 2017: Global optimization of Lipschitz functions](https://arxiv.org/abs/1703.02628) # Example usage A basic example where we maximize Levi's function with as many parallel processes as there are logical cores, and save progress to file. ```python import math, distgfs def levi(x, y): """ Levi's function (see https://en.wikipedia.org/wiki/Test_functions_for_optimization). Has a global _minimum_ of 0 at x=1, y=1. """ a = math.sin(3. * math.pi * x)**2 b = (x - 1)**2 * (1 + math.sin(3. * math.pi * y)**2) c = (y - 1)**2 * (1 + math.sin(2. * math.pi * y)**2) return a + b + c def obj_fun(pp, pid): """ Objective function to be _maximized_ by GFS. """ x = pp['x'] y = pp['y'] res = levi(0.4*x, y) print(f"Iter: {pid}\t x:{x}, y:{y}, result:{res}") # Since Dlib maximizes, but we want to find the minimum, # we negate the result before passing it to the Dlib optimizer. return -res # For this example, we pretend that we want to keep 'y' fixed at 1.0 # while optimizing 'x' in the range -4.5 to 4.5 space = {'x': [-4.5, 4.5]} problem_parameters = {'y': 1.} # Create an optimizer parameter set distgfs_params = {'opt_id': 'distgfs_levi', 'obj_fun_name': 'obj_fun', 'obj_fun_module': 'example_distgfs_levi_file', 'problem_parameters': problem_parameters, 'space': space, 'n_iter': 10, 'file_path': 'distgfs.levi.h5', 'save': True, } distgfs.run(distgfs_params, verbose=True) ``` For additional examples, see [examples](https://github.com/iraikov/distgfs/tree/master/examples).

نیازمندی

مقدار	نام
>=3.1.3,<4.0.0	mpi4py
>=1.23.3,<2.0.0	numpy
>=3.7.0,<4.0.0	h5py
>=19.24.0,<20.0.0	dlib
>=1.1.0	distwq

زبان مورد نیاز

مقدار	نام
>=3.8,<4.0	Python

نحوه نصب

نصب پکیج whl distgfs-1.1.0:

pip install distgfs-1.1.0.whl

نصب پکیج tar.gz distgfs-1.1.0:

pip install distgfs-1.1.0.tar.gz