meta-pytorch/botorch

解决的问题

BoTorch 提供了一个模块化的贝叶斯优化框架，使用户能够高效地找到高成本评估函数的最优参数。它简化了概率模型、获取函数和优化器的组合过程，以执行优化循环。

工作原理

基于 PyTorch 构建，BoTorch 利用自动微分和 GPU 加速来优化获取函数。它通过重参数化技巧使用基于蒙特卡洛的获取函数，能够在不施加严格假设的情况下与各种概率模型配合使用。它与 GPyTorch 无缝集成，支持最先进的概率模型，如高斯过程（GPs），以及深度和卷积架构。

适用人群

需要低级 API 实现新算法的贝叶斯优化和人工智能领域的研究人员及高级实践者。对于不从事活跃研究的终端用户，项目建议使用 Ax。

主要亮点

• 用于组合贝叶斯优化基本组件的模块化接口。
• 原生支持 PyTorch，实现 GPU 加速和动态计算图。
• 支持基于蒙特卡洛的获取函数。
• 与 GPyTorch 深度集成，支持多任务 GPs、深度核学习和深度 GPs。