Facebook 宣布无梯度优化开源器材 Nevergrad，可应用于种种呆板进修题目

Nevergrad 平台还可以执行在许多呆板进修场景中城市呈现的离散方针函数。这些场景包罗，举例来说，在一组有限的选项中举办选择（譬喻神经收集中的激活函数）和在层的各个范例中举办选择（譬喻，抉择在收集中的某些位置是否必要跳过毗连）。

现有的更换平台（Bbob 和 Cutest）并不包括任何离散的基准。Nevergrad 可以执行颠末 softmax 函数（将离散题目转换成有噪声的持续题目）或持续变量离散化举办处理赏罚了的离散域。

Facebook 研究团队留意到在这个场景中，FastGA（https://arxiv.org/abs/1703.03334）的示意最好。DoubleFastGA 对应的是 1/dim 和 (dim-1)/dim 之间的突变率，而差池应 1/dim 和 1/2。这是由于原始范畴对应于二进制域，而在这里，他们思量的是恣意域。在几种场景中，简朴同等的突变率殽杂（https://arxiv.org/abs/1606.05551）示意精采。

为研究者和呆板进修科学家扩展器材箱

Faacebook 将会一连为 Nevergrad 增进成果，从而辅佐研究者建设和评估新算法。最初的版本拥有根基的人工测试成果，不外 Facebook 打算为其增进更多成果，个中包罗暗示物理模子的成果。在应用方面，他们将继承让 Nevergrad 变得更易用，并实行用它来对无法很好地确定梯度的 PyTorch 加强进修模子中的参数举办优化。Nevergrad 还可以辅佐 A/B 测试以及功课调治等其他使命举办参数扫描。

【编辑保举】

1. 人工智能期间，荣之联助力新媒体开创新生态
2. 中国首款国产量子计较机节制体系降生
3. 猜测：2019将发作的10项人工智能技能！
4. Julia vs Python：哪种编程说话会是2019年呆板进修界的No 1？
5. 【WOT2018】怎样操作数据实习人工智能？三位大咖教你发掘数据代价

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!