Ax项目0.5.0版本发布:性能优化与新特性解析
2025-06-19 08:53:46作者:裘晴惠Vivianne
项目概述
Ax是Meta(原Facebook)开源的适应性实验平台,专注于帮助研究人员和工程师进行高效的参数优化和实验设计。作为一个基于Python的框架,Ax提供了强大的贝叶斯优化、多臂选择机制(Multi-Armed Selection)以及超参数调优能力,广泛应用于机器学习模型调参、A/B测试、科学实验设计等领域。
核心更新内容
1. 网站架构升级与文档改进
本次0.5.0版本对项目文档网站进行了全面升级,采用了Docusaurus v3作为基础架构。这一升级带来了几个显著优势:
- API文档托管迁移:API参考文档现在由ReadTheDocs托管,提供了更稳定的文档服务和更好的搜索体验。
- 交互式教程支持:所有教程现在都支持直接在Google Colab中打开,用户可以立即获得可运行的代码环境,无需本地配置。
- 历史版本归档:旧版文档被完整保留在archive.ax.dev,方便用户查阅历史版本信息。
2. 混合搜索空间性能优化
在涉及混合离散和连续参数的优化问题中,Ax 0.5.0版本对基于模块化BoTorch模型(MBM)的默认转换器和优化器进行了重要改进:
- 优化器调整:针对混合参数空间的特性,优化了模型训练过程中的参数更新策略。
- 转换逻辑改进:增强了离散参数的处理方式,使其能更好地与连续参数协同优化。
- 收敛速度提升:在实际测试中,这些改进显著提高了在混合搜索空间中的优化效率。
3. Ax 1.0 API预览
团队引入了Ax 1.0 API的预览版本(位于ax/preview命名空间下),这标志着项目向更稳定、更一致的API设计迈进。虽然这个预览API目前仍可能发生变化,但它展示了项目未来的发展方向:
- 更清晰的接口设计:减少了历史包袱,提供了更直观的API结构。
- 向后兼容考虑:设计时考虑了与现有代码的兼容性问题。
- 功能整合:将分散的功能点进行了更合理的组织。
4. 新型分析卡片系统
新引入的分析卡片系统(ax/analysis)代表了实验分析方式的重大革新:
- 统一分析接口:取代了原先分散的绘图和报告工具,提供一致的API。
- 实验进度监控:实时跟踪实验状态和优化进度。
- 结果可视化:内置多种专业可视化方案,便于结果解读。
- 模型质量评估:提供模型性能的量化指标和诊断工具。
5. 模型体系重构
本次版本对模型体系进行了重要调整:
- 淘汰旧模型:包括经典的GPEI在内的多个遗留模型被标记为弃用。
- MBM成为核心:模块化BoTorch模型(MBM)API现在成为推荐选择。
- 增强功能:
- 支持按指标指定不同模型
- 引入模型选择机制
- 提供更灵活的配置选项
6. 基准测试API重构
基准测试相关API经历了重大重构,主要改进包括:
- 简化问题设置:降低了创建基准测试场景的复杂度。
- 支持新场景:
- 噪声环境下的基准测试
- 异步评估场景
- 更灵活的性能指标定义
- 可重复性增强:改进了随机种子处理机制。
7. EBAshr模型引入
新增的EBAshr模型针对特定应用场景进行了优化:
- 在线实验支持:特别适合需要重复评估相同实验组的场景。
- 健康检查:在回归分析中提供更可靠的统计评估。
- 稳定性增强:针对小样本情况进行了特别优化。
技术深度解析
混合搜索空间优化的技术实现
在混合离散-连续搜索空间中,传统优化方法往往面临挑战。Ax 0.5.0通过以下技术手段改进了这一情况:
- 参数编码策略:对离散参数采用更合理的编码方式,减少信息损失。
- 核函数适配:调整高斯过程的核函数配置,使其能同时处理两种类型参数。
- 采集函数优化:改进了EI(Expected Improvement)等采集函数在混合空间中的计算效率。
分析卡片系统的设计理念
新的分析卡片系统采用了"卡片"这一隐喻,每个卡片代表一个完整的分析视图:
- 可组合性:卡片可以自由组合形成完整分析报告。
- 交互性:支持参数调整和动态更新。
- 可扩展性:用户可以自定义卡片类型以满足特定需求。
MBM模型的架构优势
模块化BoTorch模型(MBM)之所以成为新推荐,源于其架构优势:
- 组件化设计:将模型分解为可替换的组件(如均值函数、核函数等)。
- 灵活配置:支持针对不同指标使用不同模型结构。
- 自动模型选择:内置机制可以根据问题特性自动选择合适模型变体。
升级建议
对于现有用户,升级到0.5.0版本时应注意:
- API变更:检查是否使用了已被弃用的模型或接口。
- 性能对比:在混合参数问题中,建议对比新旧版本的优化效率。
- 逐步迁移:对于关键应用,可先在新环境中测试再全面升级。
- 分析流程调整:考虑将现有分析逻辑迁移到新的卡片系统。
未来展望
从0.5.0版本的变化可以看出Ax项目的发展方向:
- API稳定性:1.0版本的准备表明项目正在走向成熟。
- 用户体验:文档和工具的改进反映了对用户体验的重视。
- 算法创新:持续引入新模型和优化技术。
- 应用扩展:支持更多样的实验场景和评估方式。
Ax 0.5.0版本不仅是一次功能更新,更是项目发展路线上的重要里程碑,为即将到来的1.0版本奠定了坚实基础。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++043Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0287Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
161
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
198
279

本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
535
62

Ascend Extension for PyTorch
Python
50
81

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
950
556

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1 K
397

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
385
19

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191