Ax平台中SurrogateSpec与ModelConfigs的正确使用方法
2025-07-01 16:54:12作者:田桥桑Industrious
背景介绍
在Facebook开源的Ax平台中,随着版本迭代,一些API接口发生了变化。近期版本中,关于贝叶斯优化模型配置的方式有了重要更新,特别是从直接使用botorch_model_class参数转向使用更结构化的surrogate_spec.model_configs配置方式。
旧版配置方式的问题
在旧版Ax中,用户通常直接在GenerationStrategy的GenerationStep中通过Surrogate类来指定模型配置,例如:
GenerationStep(
model=Models.BOTORCH_MODULAR,
model_kwargs={
"surrogate": Surrogate(
botorch_model_class=SaasFullyBayesianSingleTaskGP,
mll_options={
"num_samples": 64,
"warmup_steps": 128,
},
),
}
)
这种方式虽然直观,但随着Ax平台功能的扩展,逐渐暴露出扩展性不足的问题。因此,Ax团队决定引入更灵活的配置方案。
新版推荐配置方式
新版本推荐使用SurrogateSpec和ModelConfig来结构化地定义模型配置:
GenerationStep(
model=Models.BOTORCH_MODULAR,
model_kwargs={
"surrogate_spec": SurrogateSpec(
model_configs=[
ModelConfig(
botorch_model_class=SaasFullyBayesianSingleTaskGP,
mll_options={
"num_samples": 64,
"warmup_steps": 128,
},
)
]
)
}
)
新配置方式的优势
- 更好的扩展性:可以轻松添加多个模型配置,支持更复杂的集成模型场景
- 更清晰的代码结构:将模型配置封装在专门的配置类中,提高代码可读性
- 未来兼容性:旧方式将被逐步淘汰,新方式是未来版本的标准做法
- 统一配置接口:与其他Ax配置方式保持一致的风格
实际应用建议
对于正在迁移到新版本的用户,建议:
- 检查现有代码中所有使用
Surrogate类的地方 - 逐步替换为
SurrogateSpec和ModelConfig的组合 - 利用这个机会重新审视模型配置,可能需要调整一些参数
- 测试新配置是否产生与旧配置相同的优化效果
总结
Ax平台的这一API变更反映了项目向更结构化、更可扩展方向发展的趋势。虽然需要一定的迁移工作,但新的配置方式将为更复杂的优化场景提供更好的支持。对于新项目,建议直接采用新的配置方式以避免未来的兼容性问题。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C040
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0120
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
434
3.3 K
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++
694
367
Ascend Extension for PyTorch
Python
240
274
暂无简介
Dart
694
164
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
9
1
React Native鸿蒙化仓库
JavaScript
269
328
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (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
1.22 K
673
仓颉编译器源码及 cjdb 调试工具。
C++
138
869