如何在 optuna 中采样参数而不重复？

Question

我正在使用 optuna 对我的自定义模型进行参数优化。

在当前参数集之前没有测试之前，有什么方法可以对参数进行采样？我的意思是，如果过去有一些使用相同参数集的试验，请尝试对另一个参数进行采样。

在某些情况下，这是不可能的，例如，当存在分类分布并且n_trials 大于可能的唯一采样值的数量时。

我想要什么：有一些像num_attempts 这样的配置参数，以便在for-loop 中对高达num_attempts 的参数进行采样，直到有一个之前没有测试过的集合，否则 - 在最后一个采样的集合上运行试验.

为什么我需要这个：只是因为在相同参数上多次运行重型模型的成本太高。

我现在做什么：只做这个“for-loop”的东西，但它很乱。

如果有另一种聪明的方法 - 将非常感谢您提供信息。

谢谢！

Answer 1

据我所知，目前没有直接的方法可以处理您的案件。 作为一种解决方法，您可以检查参数重复并跳过评估，如下所示：

import optuna

def objective(trial: optuna.Trial):
    # Sample parameters.
    x = trial.suggest_int('x', 0, 10)
    y = trial.suggest_categorical('y', [-10, -5, 0, 5, 10])

    # Check duplication and skip if it's detected.
    for t in trial.study.trials:
        if t.state != optuna.structs.TrialState.COMPLETE:
            continue

        if t.params == trial.params:
            return t.value  # Return the previous value without re-evaluating it.

            # # Note that if duplicate parameter sets are suggested too frequently,
            # # you can use the pruning mechanism of Optuna to mitigate the problem.
            # # By raising `TrialPruned` instead of just returning the previous value,
            # # the sampler is more likely to avoid sampling the parameters in the succeeding trials.
            #
            # raise optuna.structs.TrialPruned('Duplicate parameter set')

    # Evaluate parameters.
    return x + y

# Start study.
study = optuna.create_study()

unique_trials = 20
while unique_trials > len(set(str(t.params) for t in study.trials)):
    study.optimize(objective, n_trials=1)

Answer 2

对于第二个@sile 的代码注释，你可以写一个剪枝器，例如：

class RepeatPruner(BasePruner):
    def prune(self, study, trial):
        # type: (Study, FrozenTrial) -> bool

        trials = study.get_trials(deepcopy=False)
        completed_trials = [t.params for t in trials if t.state == TrialState.COMPLETE]
        n_trials = len(completed_trials)

        if n_trials == 0:
            return False

        if trial.params in completed_trials:
            return True

        return False

然后将修剪器称为：

study = optuna.create_study(study_name=study_name, storage=storage, load_if_exists=True, pruner=RepeatPruner())