nnaisense/evotorch

해결하는 문제

EvoTorch는 미분이 불가능한 최적화 문제를 해결하도록 설계되었습니다. 즉, 전통적인 경사 하강법으로는 해결할 수 없는 문제를 다룹니다. 이에는 블랙박스 최적화(연속적 및 이산적), 강화 학습 작업, 지도 학습 작업이 포함됩니다.

작동 방식

PyTorch 위에 구축된 이 라이브러리는 다양한 진화 계산 알고리즘을 구현합니다. PyTorch의 벡터화 및 병렬화 기능을 활용하여 GPU에서 최적화를 가속화합니다. 더 큰 규모의 작업 부하의 경우 Ray와 통합하여 여러 CPU, GPU 및 전체 클러스터에 계산을 분산할 수 있습니다.

대상 사용자

최적화, 뉴로에볼루션, 강화 학습에 종사하는 연구자 및 개발자에게 적합합니다. 진화 알고리즘을 위한 확장 가능한 GPU 가속 프레임워크가 필요하신 분들께 이상적입니다.

주요 특징

• 다양한 알고리즘 세트: 분포 기반 탐색(PGPE, XNES, CMA-ES, SNES, CEM)과 집단 기반 탐색(유전 알고리즘, CoSyNE, MAP-Elites)을 포함합니다.
• GPU 가속: 네이티브 PyTorch 구현으로 GPU에서 고속 벡터 연산이 가능합니다.
• 확장성: Ray 통합을 통해 여러 머신과 하드웨어 가속기로 확장할 수 있습니다.
• 유연한 목적 함수: 벡터화된 또는 비벡터화된 PyTorch로 정의된 임의의 목적 함수를 지원합니다.