Документация

Опции решателя

Установка GPActiveSetSize опция меньшего значения, чем значение по умолчанию (300) может ускорить решение. Стоимость является потенциальной неточностью в точках, которые bayesopt выбирает для оценки, потому что модель GP целевой функции может быть менее точной, чем с большим значением. Установка большего значения опции может привести к более точной модели GP, но требует большего времени, чтобы создать модель.

Установка ParallelMethod опция для 'max-observed' может возглавить bayesopt более широко искать глобальный оптимум. Этот выбор может привести к лучшему решению за меньшее время. Однако значение по умолчанию 'clipped-model-prediction' часто является лучшим.

Установка MinWorkerUtilization опция большого значения может привести к более высокому параллельному использованию. Однако эта настройка вызывает более полную оценку случайных точек, что может привести к менее точным решениям. Большое значение, в этом контексте, зависит от того, сколько у вас работников. Значение по умолчанию является floor(0.8*N), где N количество параллельных рабочих. Установка более низкого значения опции может дать меньшее параллельное использование, но с преимуществом более высоких качественных точек.

Размещение целевой функции для работников

Можно поместить целевую функцию на параллельных рабочих одним из трех способов. Некоторые имеют лучшую эффективность, но требуют более сложной настройки.

1. Автоматически Если вы даете указатель на функцию как целевую функцию, bayesopt отправляет указатель всем параллельным рабочим в начале своего запуска. Для примера,

load ionosphere
splits = optimizableVariable('splits',[1,100],'Type','integer');
minleaf = optimizableVariable('minleaf',[1,100],'Type','integer');
fun = @(params)kfoldLoss(fitctree(X,Y,'Kfold',5,...
    'MaxNumSplits',params.splits,'MinLeaf',params.minleaf));

results = bayesopt(fun,[splits,minleaf],'UseParallel',true);

Этот метод эффективен, если указатель является маленьким, или если вы запускаете оптимизацию только один раз. Однако, если вы планируете запустить оптимизацию несколько раз, можно сэкономить время, используя один из двух других методов.

2. Параллельная константа Если вы планируете запустить оптимизацию несколько раз, сэкономьте время, передав целевую функцию работникам только один раз. Этот метод особенно эффективен, когда указатель на функцию включает в себя большой объем данных. Передайте цель один раз, установив указатель на функцию в parallel.pool.Constant (Parallel Computing Toolbox), как в этом примере.

load ionosphere
splits = optimizableVariable('splits',[1,100],'Type','integer');
minleaf = optimizableVariable('minleaf',[1,100],'Type','integer');
fun = @(params)kfoldLoss(fitctree(X,Y,'Kfold',5,...
    'MaxNumSplits',params.splits,'MinLeaf',params.minleaf));

C = copyFunctionHandleToWorkers(fun);

results1 = bayesopt(C,[splits,minleaf],'UseParallel',true);
results2 = bayesopt(C,[splits,minleaf],'UseParallel',true,...
    'MaxObjectiveEvaluations',50);
results3 = bayesopt(C,[splits,minleaf],'UseParallel',true,...
    'AcquisitionFunction','expected-improvement');

В этом примере copyFunctionHandleToWorkers отправляет указатель на функцию работникам только один раз.

3. Создайте целевую функцию для работников Если у вас есть много данных для отправки работникам, можно избежать загрузки данных в клиент при помощи spmd (Parallel Computing Toolbox), чтобы загрузить данные о работниках. Используйте Composite (Parallel Computing Toolbox) с parallel.pool.Constant для доступа к распределенным целевым функциям.

% makeFun is at the end of this script
spmd
    fun = makeFun();
end

% ObjectiveFunction is now a Composite. Get a parallel.pool.Constant
% that refers to it, without copying it to the client:
C = parallel.pool.Constant(fun);

% You could also use the line
% C = parallel.pool.Constant(@MakeFun);
% In this case, you do not use spmd

% Call bayesopt, passing the Constant
splits = optimizableVariable('splits', [1 100]);
minleaf = optimizableVariable('minleaf', [1 100]);
bo = bayesopt(C,[splits minleaf],'UseParallel',true);

function f = makeFun()
load('ionosphere','X','Y');
f = @fun;
    function L = fun(Params)
        L = kfoldLoss(fitctree(X,Y, ...
            'KFold', 5,...
            'MaxNumSplits',Params.splits, ...
            'MinLeaf', Params.minleaf));
    end
end

В этом примере указатель на функцию существует только для работников. Указатель никогда не отображается на клиенте.