TPE原理总结

2023-11-10

hyperopt - TPE

hyperopt/tpe.py:935 处打一断点

5:超参的取值

在这里插入图片描述

3:loss的取值

在这里插入图片描述

{'GMM1', 'GMM1_lpdf', 'len', 'dict', 'literal', 'broadcast_best', 'getitem', 'sub', 'array_union', 'mul', 'add', 
'ap_split_trials', 'adaptive_parzen_normal', 'pos_args'}

重点看一下hyperopt.tpe.build_posterior

obs_memo 的 keys

在这里插入图片描述

采样函数: hyperopt/tpe.py:476

@adaptive_parzen_sampler("uniform")
def ap_uniform_sampler(obs, prior_weight, low, high, size=(), rng=None):
    prior_mu = 0.5 * (high + low)
    prior_sigma = 1.0 * (high - low)
    weights, mus, sigmas = scope.adaptive_parzen_normal(
        obs, prior_weight, prior_mu, prior_sigma
    )
    return scope.GMM1(
        weights, mus, sigmas, low=low, high=high, q=None, size=size, rng=rng
    )
@implicit_stochastic
@scope.define
def GMM1(weights, mus, sigmas, low=None, high=None, q=None, rng=None, size=()):
    """Sample from truncated 1-D Gaussian Mixture Model"""
    weights, mus, sigmas = list(map(np.asarray, (weights, mus, sigmas)))
    assert len(weights) == len(mus) == len(sigmas)
    n_samples = int(np.prod(size))
    # n_components = len(weights)
    if low is None and high is None:
        # -- draw from a standard GMM
        active = np.argmax(rng.multinomial(1, weights, (n_samples,)), axis=1)
        samples = rng.normal(loc=mus[active], scale=sigmas[active])
    else:
        # -- draw from truncated components, handling one-sided truncation
        low = float(low) if low is not None else -float("Inf")
        high = float(high) if high is not None else float("Inf")
        if low >= high:
            raise ValueError("low >= high", (low, high))
        samples = []
        while len(samples) < n_samples:
            active = np.argmax(rng.multinomial(1, weights))
            draw = rng.normal(loc=mus[active], scale=sigmas[active])
            if low <= draw < high:
                samples.append(draw)
    samples = np.reshape(np.asarray(samples), size)
    if q is None:
        return samples
    return np.round(old_div(samples, q)) * q

GMM1负责生成样本, GMM1_lpdf负责计算log likelihood

在这里插入图片描述
在这里插入图片描述

0 pos_args
1   dict
2    x =
3     array_union
4       array_union
5         array_union
6           Literal{new_ids}
7    y =
8     array_union
9       array_union
10         array_union  [line:5]
11   dict
12    x =
13     broadcast_best
14       GMM1
15         getitem
16           adaptive_parzen_normal
17             getitem
18               ap_split_trials
19                 getitem
20                   Literal{None}
21                   Literal{x}
22                 getitem
23                   Literal{None}
24                   Literal{x}
25                 Literal{None}
26                 Literal{None}
27                 Literal{0.25}
28               Literal{0}
29             Literal{1.0}
30             mul
31               Literal{0.5}
32               add
33                 Literal{6}
34                 Literal{-6}
35             mul
36               Literal{1.0}
37               sub
38                 Literal{6}  [line:33]
39                 Literal{-6}  [line:34]
40           Literal{0}
41         getitem
42           adaptive_parzen_normal  [line:16]
43           Literal{1}
44         getitem
45           adaptive_parzen_normal  [line:16]
46           Literal{2}
47        high =
48         Literal{6}  [line:33]
49        low =
50         Literal{-6}  [line:34]
51        q =
52         Literal{None}
53        rng =
54         Literal{rng-placeholder}
55        size =
56         len
57           array_union  [line:3]
58       GMM1_lpdf
59         GMM1  [line:14]
60         getitem  [line:15]
61         getitem  [line:41]
62         getitem  [line:44]
63        high =
64         Literal{6}  [line:33]
65        low =
66         Literal{-6}  [line:34]
67        q =
68         Literal{None}  [line:52]
69       GMM1_lpdf
70         GMM1  [line:14]
71         getitem
72           adaptive_parzen_normal
73             getitem
74               ap_split_trials  [line:18]
75               Literal{1}
76             Literal{1.0}  [line:29]
77             mul
78               Literal{0.5}
79               add
80                 Literal{6}  [line:33]
81                 Literal{-6}  [line:34]
82             mul
83               Literal{1.0}
84               sub
85                 Literal{6}  [line:33]
86                 Literal{-6}  [line:34]
87           Literal{0}
88         getitem
89           adaptive_parzen_normal  [line:72]
90           Literal{1}
91         getitem
92           adaptive_parzen_normal  [line:72]
93           Literal{2}
94        high =
95         Literal{6}  [line:33]
96        low =
97         Literal{-6}  [line:34]
98        q =
99         Literal{None}
100    y =
101     broadcast_best
102       GMM1
103         getitem
104           adaptive_parzen_normal
105             getitem
106               ap_split_trials
107                 getitem
108                   Literal{None}  [line:20]
109                   Literal{y}
110                 getitem
111                   Literal{None}  [line:23]
112                   Literal{y}
113                 Literal{None}  [line:25]
114                 Literal{None}  [line:26]
115                 Literal{0.25}  [line:27]
116               Literal{0}
117             Literal{1.0}  [line:29]
118             mul
119               Literal{0.5}
120               add
121                 Literal{6}
122                 Literal{-6}
123             mul
124               Literal{1.0}
125               sub
126                 Literal{6}  [line:121]
127                 Literal{-6}  [line:122]
128           Literal{0}
129         getitem
130           adaptive_parzen_normal  [line:104]
131           Literal{1}
132         getitem
133           adaptive_parzen_normal  [line:104]
134           Literal{2}
135        high =
136         Literal{6}  [line:121]
137        low =
138         Literal{-6}  [line:122]
139        q =
140         Literal{None}
141        rng =
142         Literal{rng-placeholder}  [line:54]
143        size =
144         len
145           array_union  [line:8]
146       GMM1_lpdf
147         GMM1  [line:102]
148         getitem  [line:103]
149         getitem  [line:129]
150         getitem  [line:132]
151        high =
152         Literal{6}  [line:121]
153        low =
154         Literal{-6}  [line:122]
155        q =
156         Literal{None}  [line:140]
157       GMM1_lpdf
158         GMM1  [line:102]
159         getitem
160           adaptive_parzen_normal
161             getitem
162               ap_split_trials  [line:106]
163               Literal{1}
164             Literal{1.0}  [line:29]
165             mul
166               Literal{0.5}
167               add
168                 Literal{6}  [line:121]
169                 Literal{-6}  [line:122]
170             mul
171               Literal{1.0}
172               sub
173                 Literal{6}  [line:121]
174                 Literal{-6}  [line:122]
175           Literal{0}
176         getitem
177           adaptive_parzen_normal  [line:160]
178           Literal{1}
179         getitem
180           adaptive_parzen_normal  [line:160]
181           Literal{2}
182        high =
183         Literal{6}  [line:121]
184        low =
185         Literal{-6}  [line:122]
186        q =
187         Literal{None}
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

TPE原理总结 的相关文章

  • Django 代理模型的继承和多态性

    我正在开发一个我没有启动的 Django 项目 我面临着一个问题遗产 我有一个大模型 在示例中简化 称为MyModel这应该代表不同种类的物品 的所有实例对象MyModel应该具有相同的字段 但方法的行为根据项目类型的不同而有很大差异 到目
  • Python 中的 Lanczos 插值与 2D 图像

    我尝试重新缩放 2D 图像 灰度 图像大小为 256x256 所需输出为 224x224 像素值范围从 0 到 1300 我尝试了两种使用 Lanczos 插值来重新调整它们的方法 首先使用PIL图像 import numpy as np
  • 在 python 程序中合并第三方库的最佳实践是什么?

    下午好 我正在为我的工作编写一个中小型Python程序 该任务需要我使用 Excel 库xlwt and xlrd 以及一个用于查询 Oracle 数据库的库 称为CX Oracle 我正在通过版本控制系统 即CVS 开发该项目 我想知道围
  • 将数据从 python pandas 数据框导出或写入 MS Access 表

    我正在尝试将数据从 python pandas 数据框导出到现有的 MS Access 表 我想用已更新的数据替换 MS Access 表 在 python 中 我尝试使用 pandas to sql 但收到错误消息 我觉得很奇怪 使用 p
  • 将 Matplotlib 误差线放置在不位于条形中心的位置

    我正在 Matplotlib 中生成带有错误栏的堆积条形图 不幸的是 某些层相对较小且数据多样 因此多个层的错误条可能重叠 从而使它们难以或无法读取 Example 有没有办法设置每个误差条的位置 即沿 x 轴移动它 以便重叠的线显示在彼此
  • 使 django 服务器可以在 LAN 中访问

    我已经安装了Django服务器 可以如下访问 http localhost 8000 get sms http 127 0 0 1 8000 get sms 假设我的IP是x x x x 当我这样做时 从同一网络下的另一台电脑 my ip
  • OpenCV Python cv2.mixChannels()

    我试图将其从 C 转换为 Python 但它给出了不同的色调结果 In C Transform it to HSV cvtColor src hsv CV BGR2HSV Use only the Hue value hue create
  • SQLALchemy .query:类“Car”的未解析属性引用“query”

    我有一个这里已经提到的问题https youtrack jetbrains com issue PY 44557 https youtrack jetbrains com issue PY 44557 但我还没有找到解决方案 我使用 Pyt
  • 测试 python Counter 是否包含在另一个 Counter 中

    如何测试是否是pythonCounter https docs python org 2 library collections html collections Counter is 包含在另一个中使用以下定义 柜台a包含在计数器中b当且
  • Python 的“zip”内置函数的 Ruby 等价物是什么?

    Ruby 是否有与 Python 内置函数等效的东西zip功能 如果不是 做同样事情的简洁方法是什么 一些背景信息 当我试图找到一种干净的方法来进行涉及两个数组的检查时 出现了这个问题 如果我有zip 我可以写这样的东西 zip a b a
  • python获取上传/下载速度

    我想在我的计算机上监控上传和下载速度 一个名为 conky 的程序已经在 conky conf 中执行了以下操作 Connection quality alignr wireless link qual perc wlan0 downspe
  • Fabric env.roledefs 未按预期运行

    On the 面料网站 http docs fabfile org en 1 10 usage execution html 给出这个例子 from fabric api import env env roledefs web hosts
  • 向 Altair 图表添加背景实心填充

    I like Altair a lot for making graphs in Python As a tribute I wanted to regenerate the Economist graph s in Mistakes we
  • 如何在seaborn displot中使用hist_kws

    我想在同一图中用不同的颜色绘制直方图和 kde 线 我想为直方图设置绿色 为 kde 线设置蓝色 我设法弄清楚使用 line kws 来更改 kde 线条颜色 但 hist kws 不适用于显示 我尝试过使用 histplot 但我无法为
  • 对年龄列进行分组/分类

    我有一个数据框说df有一个柱子 Ages gt gt gt df Age 0 22 1 38 2 26 3 35 4 35 5 1 6 54 我想对这个年龄段进行分组并创建一个像这样的新专栏 If age gt 0 age lt 2 the
  • 类型错误:预期单个张量时的张量列表 - 将 const 与 tf.random_normal 一起使用时

    我有以下 TensorFlow 代码 tf constant tf random normal time step batch size 1 1 我正进入 状态TypeError List of Tensors when single Te
  • 有人用过 Dabo 做过中型项目吗? [关闭]

    Closed 这个问题是基于意见的 help closed questions 目前不接受答案 我们正处于一个新的 ERP 风格的客户端 服务器应用程序的开始阶段 该应用程序是作为 Python 富客户端开发的 我们目前正在评估 Dabo
  • Python 类继承 - 诡异的动作

    我观察到类继承有一个奇怪的效果 对于我正在处理的项目 我正在创建一个类来充当另一个模块的类的包装器 我正在使用第 3 方 aeidon 模块 用于操作字幕文件 但问题可能不太具体 以下是您通常如何使用该模块 project aeidon P
  • 导入错误:没有名为 site 的模块 - mac

    我已经有这个问题几个月了 每次我想获取一个新的 python 包并使用它时 我都会在终端中收到此错误 ImportError No module named site 我不知道为什么会出现这个错误 实际上 我无法使用任何新软件包 因为每次我
  • Statsmodels.formula.api OLS不显示截距的统计值

    我正在运行以下源代码 import statsmodels formula api as sm Add one column of ones for the intercept term X np append arr np ones 50

随机推荐

  • css 动态生成动画代码在线工具,非常好用!推荐

    网址 Animista CSS Animations on Demand 这个网站提供了大量的css动画效果 用户可以自定义动画 在线生成动画代码
  • ChatGPT的代码生成是怎么做的?「基于深度学习的代码生成方法」最新研究进展...

    机器学习研究组 代码生成 Code Generation 是指根据自然语言描述生成相关代码片段的任务 在软件开发过程中 常 常会面临大量重复且技术含量较低的代码编写任务 代码生成作为最直接辅助开发人员完成编码的工作受到学术 界和工业界的广泛
  • mybatis框架学习(完整)

    目录 总结jdbc出现的问题 mybatis介绍 mybatis入门程序 占位符 与字符串拼接符 区别 mybatis框架的原理 别名配置与映射文件加载方式 mybatis与hibernate的比较 一 总结jdbc出现的问题 1 准备数据
  • 本机与服务器传输数据

    1 Xftp xftp传输的速度在500kb左右 对于上GB的数据集传输时显得太慢 技巧 可以先本地压缩后再上传 上传后在服务器端用unzip命令解压即可 警告 在使用Xftp传输文件时若与服务器不甚断连 当再次重连后一定要记得整个文件重新
  • 非阻塞的connect使用方式

    connect 函数的调用涉及到3次握手 默认connect函数为阻塞连接状态 通常connect 会阻塞到三次握手的完成和失败 而这个connect阻塞超时时间会依赖于系统 一般为75s到几分钟时间 一种方式可以通过该系统配置 proc
  • 教你如何清理 Docker 存储驱动的磁盘占用空间

    Author rab 有时候你会发现 你的 Docker 业务容器虽然做了数据持久化 且数据持久化的磁盘空间占用并不大 但是 Docker 的 Overlay2 目录占用却很大 我们知道 Overlay2 是 Docker 的存储驱动 也是
  • java 读取文件 和 执行SQL脚本 (支持中文)

    读文件操作应用 执行SQL脚本文件 执行SQL脚本文件 param path throws SQLException throws ClassNotFoundException public void exeSQLScript String
  • 操作系统原理——绪论:操作系统的概念、发展、类型、基本特征、功能、运行环境和内核结构

    目录 一 操作系统的概念 1 计算机系统的概念 2 操作系统的概念 3 为什么计算机系统需要操作系统 二 操作系统的形成与发展 三 操作系统的类型 1 批处理操作系统 Batch OS 2 分时操作系统 3 实时系统 4 嵌入式操作系统 5
  • 一些关于javascript、jQuery使用时的建议

    最新地址请访问 http leeyee github io blog 2011 04 09 javascript jquery user suggests 1 在遍历数组时缓存长度 在遍历数组时应将数组的长度保存在一个变量中 不要在循环中每
  • 熊哥帮忙

    原来那个找不到文件的问题 今天咨询了熊哥 SQL gt oradebug setospid 578038 Oracle pid 3 Unix process pid 578038 image oracle orasrva DIAG SQL
  • 刷脸支付是商业社会在时间效率数据价值的挖掘

    刷脸支付这项网付方式随着时代发展人工智能技术的不断进步代替传统聚合支付方式 开始了最早的商业应用了 而在5G迅速发展的现在刷脸支付也被广泛的运用在生活中 而刷脸支付也将会推动市场发展创造全新的快捷支付 为用户提供便捷 当你线下付款时常会遇到
  • requirements.txt 的格式

    如下文 requirements txt BeautifulSoup 3 2 1 Django 1 7 Glances 2 6 2 GnuPGInterface 0 3 2 LinkChecker 9 3 Markdown 2 6 1 My
  • 新印的钞票如何流入市场?

    原文地址 http zhidao baidu com question 136634468 html 印钞厂一直在印钞票 那市场上的钞票总量一直会增加 这些新印的钞票是怎么流入市场的呢 我看到另一个和我这个相似的问题的回答是 国家通过给公务
  • kali 重置root密码

    kali版本 kali linux 2021 2 但是其他版本也都一样的操作 方法 步骤 第一步 点击开启此虚拟机 打开安装好的kali虚拟机 第二步 进入开机启动页面 按键盘e键进入Kali GNU GRUB页面 进入GNU GRUB页面
  • QTcpSocket::connectToHost内存泄漏的问题

    使用QTcpSocket上网看博客时 发现有篇抄来抄去的博客提到QTcpSocket类的方法connectToHost会泄露内存 即使把调用这个方法的QTcpSocket实例delete掉 内存也不会释放 反复connectToHost会导
  • 树莓派开启 wifi 热点

    树莓派小巧的体型当然不是为了固定放在桌子上 更是为了做成可移动的智能设备 例如智能小车 当树莓派不在室内的 wifi 下时 怎样方便地连接上它呢 于是想要把树莓派变成 wifi 热点 就能用我们的手机或者笔记本连接它了 一 修改 etc n
  • 蓝牙Mesh中的Heartbeat和Heartbeat Publication

    Heartbeat 在蓝牙Mesh网络中 Heartbeat 心跳 是一种用于监测设备在线状态和网络连通性的机制 它是由每个设备定期发送的小型消息组成 用于指示设备的存在和活动状态 Heartbeat的主要目的是确保网络中的设备处于活动状态
  • js实现---加油站问题(贪心算法)

    加油站问题 贪心算法 基本要素 贪心选择 在对问题求解时 总是做出在当前看来是最好的选择 也就是说 不从整体最优上加以考虑 他所做出的是在某种意义上的局部最优解 最优子结构 当一个问题的最优解包含其子问题的最优解时 称此问题具有最优子结构性
  • 树形结构互转

    树形结构互转 1 线性转树形 lineToTree list const list list map e gt id e id pid e parentId label e name raw e const addChild arr obj
  • TPE原理总结

    hyperopt TPE 在hyperopt tpe py 935 处打一断点 5 超参的取值 3 loss的取值 GMM1 GMM1 lpdf len dict literal broadcast best getitem sub arr