并行贝叶斯优化&MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

并行贝叶斯优化

并行优化

并行运行贝叶斯优化可以节省时间。并行运行需要并行计算工具箱™。Bayesopt.同时在并行工作人员执行并行目标函数评估。

要并行优化：

Bayesopt.-设定使用并行名称-值对到真的.例如，

结果=bayesopt（乐趣、变量、，'使用指平行'，真的）;

适合功能 - 设置使用并行场面的领域超参数优化选项结构到真的.例如，

mdl = fitcsvm（x，y，'OptimizeHyperParameters'那'汽车'那......'hyperparameteroptimizationoptions'，结构('使用指平行'，真的））

并行贝叶斯算法

并行贝叶斯优化算法类似于串行算法，其描述于贝叶斯优化算法。两者的分别是：

Bayesopt.分配点以评估并行工人，一般一次一定点。Bayesopt.在客户端上计算以确定要分配的点。
后Bayesopt.评估初始随机点，它通过拟合高斯过程（GP）模型选择要评估的点。要在某些工人仍在评估点时拟合GP模型，Bayesopt.对仍在工人身上的每个点输入一个值。输入的值是其评估点处GP模型值的平均值，或由工程师指定的其他值Bayesopt.“并行方法”名称值对。有关FIT功能的并行优化，Bayesopt.使用默认值并行方法估算值。
后Bayesopt.分配一个点来评估，并且在计算新点之前分配，它会检查太多的工人是否空闲。积极工作者的阈值由此确定minworkerutilization名称-值对。如果有太多的工作线程处于空闲状态，则Bayesopt.分配随机点，统一地选择界限，对所有闲置的工作者均匀。这一步骤使工人更快地活跃，但工人有随机分数而不是装配点。如果空闲工人的数量不超过阈值，那么Bayesopt.通过拟合GP模型并最大化采集函数，像往常一样选择要评估的点。

笔记

由于并行计时的不可再现性，并行贝叶斯优化不一定产生可再现的结果。

最佳并行性能设置

FIT功能没有特殊设置，可用于更好的并行性能。相比之下，几个Bayesopt.设置有助于加快优化速度。

求解器选项

设置GPActiveSetSize较小值的选项比默认值较小（300）可以加速解决方案。成本在潜在的不准确性Bayesopt.选择评估，因为目标函数的GP模型可能比具有更大的值更准确。将选项设置为更大的值可能导致更准确的GP模型，但需要更多时间来创建模型。

设置并行方法选择“观察到的最大值”能领导Bayesopt.以全球最佳搜索更广泛。这种选择可以在更短的时间内导致更好的解决方案。但是，默认值“剪裁模型预测”往往是最好的。

设置minworkerutilization选择较大的值可能会导致更高的并行利用率。但是，此设置会导致计算更完全的随机点，这可能导致不太准确的解决方案。在此上下文中，较大的值取决于您有多少工人。默认值为金宝搏官方网站地板（0.8 * N），在哪里N是平行工人的数量。将选项设置为较低的值可以给出较低的并行利用，但具有更高质量点的好处。

将客观职能放在工人身上

您可以通过三种方式之一在平行工人上放置客观函数。有些具有更好的性能，但需要更复杂的设置。

1.自动如果将函数句柄作为目标函数，Bayesopt.在运行开始时将句柄发送给所有并行工作进程。例如，

加载电离层splits=optimizableviable(“分裂”,[1,100],“类型”那“整数”)；minleaf=optimizableviable(“明利夫”,[1,100],“类型”那“整数”)；fun=@（参数）kfoldLoss（fitcree（X，Y，“Kfold”,5,......“MaxNumSplits”，params.splits，“明利夫”，params.minleaf））;结果= Bayesopt（乐趣，[分裂，MINLEAF]，'使用指平行'，真的）;

如果手柄很小，或者如果您只运行一次，则此方法是有效的。但是，如果您计划多次运行优化，则可以使用其他两种技术之一来节省时间。

2.平行常数如果您计划多次运行优化，请通过仅将目标函数转移到工人一次来节省时间。当功能处理包含大量数据时，该技术特别有效。通过将功能句柄设置为a，转移目标一次并行池常数（并行计算工具箱）构造，如在这个例子中。

加载电离层splits=optimizableviable(“分裂”,[1,100],“类型”那“整数”)；minleaf=optimizableviable(“明利夫”,[1,100],“类型”那“整数”)；fun=@（参数）kfoldLoss（fitcree（X，Y，“Kfold”,5,......“MaxNumSplits”，params.splits，“明利夫”，params.minleaf）；C=copyFunctionHandleToWorkers（fun）；results1=bayesopt（C[splits，minleaf]，'使用指平行'，true）；结果2=bayesopt（C，[splits，minleaf]，'使用指平行'，真的，......“MaxObjectiveEvaluations”,50); 结果3=bayesopt（C，[splits，minleaf]，'使用指平行'，真的，......'收集功能'那“预期改善”);

在这个例子中，copyFunctionHandleToWorkers只将函数句柄发送给工人一次。

3.为工人创造目标职能如果您有大量的数据要发送到工人，可以避免使用客户端加载数据SPMD.（并行计算工具箱）要将数据加载到辅助对象上，请使用合成的（并行计算工具箱）和并行池常数访问分布式目标函数。

％makefun位于此脚本的末尾SPMD.fun=makeFun（）；结尾％目标是现在是一个复合材料。获取并行.Pool.Constant.百分比是指它的，而不将其复制到客户端：c = parallel.Pool.Constant（乐趣）;％您也可以使用该行%C=parallel.pool.Constant（@MakeFun）；在这种情况下％，您不使用spmd％call bayesopt，传递常数splits=optimizableviable(“分裂”, [1 100]); minleaf=optimizableviable(“明利夫”，[1100]）；bo=bayesopt（C，[splits minleaf]，'使用指平行'，真的）;功能f = makefun（）加载（'电离层'那“X”那“是的”)；f=乐趣；功能L=fun（参数）L=kfoldLoss（fitctree（X，Y，......'kfold', 5,......“MaxNumSplits”，params.splits，......“明利夫”，params.minleaf））;结尾结尾

在本例中，函数句柄仅存在于worker上。句柄从未出现在客户端上。

并行贝叶斯优化输出的差异

什么时候？Bayesopt.贝叶斯优化输出并行运行，包括这些差异。

迭代显示-迭代显示包括一列，显示活动工作人员的数量。这是之后的数字Bayesopt.将作业分配给下一个工人。
绘图函数
- 目标函数模型图（@plotobjectiveModel.)显示挂起点（在并行工作线程上执行的点）。点的高度取决于并行方法名称值对。
- 经过时间图（@绘图时间）显示标签的总经过时间即时的和总目标函数的评估时间，总结了所有工人，与标签目标评估时间（所有工人）.目标评估时间包括员工开始工作的时间。

也可以看看

并行池常数（并行计算工具箱）|SPMD.（并行计算工具箱）