This is a test docs. For test, test, test!!!#
For test, test, test!!!
OpenBox 是一个高效的开源系统,旨在解决泛化的黑盒优化(BBO)问题, 例如 自动化超参数调优 、自动化A/B测试、 实验设计、数据库参数调优、处理器体系结构和电路设计、资源分配、自动化学设计等。
OnenBox 的设计理念是将BBO作为一种服务提供给用户。 我们的目标是将 OpenBox 实现为一个分布式的、有容错、可扩展的、高效的服务。 它能够对各种应用场景提供广泛的支持,并保证稳定的性能。 OpenBox 简单易上手、方便移植和维护。
您可以使用以下两种方法使用 OpenBox: 单独的Python包 和 在线BBO服务。
OpenBox GitHub: https://github.com/PKU-DAIR/open-box
News#
a test news
OpenBox 针对的用户群体#
想要为ML任务自动执行 超参数调优 的用户。
想要为配置搜索任务找到 最佳配置 的用户(例如,数据库参数调优)。
想要为数据平台提供 BBO服务 的用户。
想要方便地解决 通用BBO问题 的研究员和数据科学家。
OpenBox 的功能特性#
OpenBox 有很多强大的功能和特性,包括:
1、 提供多目标和带约束条件的 BBO 服务支持。
2、 提供带迁移学习的 BBO 服务。
3、 提供分布式并行的 BBO 服务。
4、 提供多精度加速的 BBO 服务。
5、 提供带提前终止的 BBO 服务。
下表给出了现有BBO系统的分类:
系统/包 |
多目标 |
FIOC |
约束条件 |
历史 |
分布式 |
---|---|---|---|---|---|
Hyperopt |
× |
√ |
× |
× |
√ |
Spearmint |
× |
× |
√ |
× |
× |
SMAC3 |
× |
√ |
× |
× |
× |
BoTorch |
√ |
× |
√ |
× |
× |
GPflowOPT |
√ |
× |
√ |
× |
× |
Vizier |
× |
√ |
× |
△ |
√ |
HyperMapper |
√ |
√ |
√ |
× |
× |
HpBandSter |
× |
√ |
× |
× |
√ |
OpenBox |
√ |
√ |
√ |
√ |
√ |
FIOC: 支持不同的输入变量类型,包括 Float, Integer, Ordinal 和 Categorical。
多目标: 支持多目标优化。
约束条件: 支持不等式约束条件。
历史: 支持将以前任务的先验知识融入到当前搜索中。( △ 表示系统在通用场景下不支持)
分布式: 支持在分布式环境中并行评估。