evox.problems.neuroevolution.supervised_learning

模块内容

类

SupervisedLearningProblem

监督学习问题是使用给定的数据和标准来测试模型参数或一批参数。

API

class evox.problems.neuroevolution.supervised_learning.SupervisedLearningProblem(model: torch.nn.Module, data_loader: torch.utils.data.DataLoader, criterion: torch.nn.Module, n_batch_per_eval: int = 1, pop_size: int | None = None, device: torch.device | None = None, reduction: str = 'mean')

Bases: evox.core.Problem

监督学习问题是使用给定的数据和标准来测试模型参数或一批参数。

初始化

初始化 SupervisedLearningProblem。

参数:

• model -- 需要评估参数的神经网络模型。

• data_loader -- 用于评估的数据加载器提供数据集。

• criterion -- 用于评估参数性能的损失函数。

• n_batch_per_eval -- 每次评估中要计算的批次数。当设置为 -1 时，将遍历整个数据集。默认值为 1。

• pop_size -- 种群的大小（参数的批量大小）需要进行评估。默认为 None，表示单次运行模式。

• device -- 用于运行计算的设备。默认为当前默认设备。

• reduction -- 用于标准的归约方法。'mean' | 'sum'。默认值为“mean”。

抛出:

RuntimeError -- 如果数据加载器不包含任何项目。

警告

此问题不支持 HPO 包装器 (problems.hpo_wrapper.HPOProblemWrapper)，即包含此问题的工作流不能被 vmapped。

_vmap_forward_pass(model_state: Tuple[Dict[str, torch.Tensor], Dict[str, torch.Tensor]], data: Tuple[torch.Tensor, torch.Tensor])

_forward_pass(model_state: Tuple[Dict[str, torch.Tensor], Dict[str, torch.Tensor]], data: Tuple[torch.Tensor, torch.Tensor])

_vmap_evaluate(pop_params: Dict[str, torch.nn.Parameter])

_single_evaluate(params: Dict[str, torch.nn.Parameter])

evaluate(pop_params: Dict[str, torch.nn.Parameter]) → torch.Tensor

评估一组模型参数种群（批次）的适应度。

参数:

pop_params -- 参数字典，其中每个键是参数名称，每个值是形状为 (batch_size, *param_shape) 的张量，表示批量模型的批量参数。

返回:

形状为 (batch_size,) 的张量，包含种群中每个样本的适应度。