OpenBox: A Python Toolkit for Generalized Black-box Optimization

要約

タイトル：汎用ブラックボックス最適化のためのPythonツールキット「OpenBox」

要約：

・ブラックボックス最適化（BBO）は、自動機械学習、実験デザイン、データベースノブのチューニングなど、広範なアプリケーションがあるが、既存のソフトウェアパッケージを用いた場合には、適用性、パフォーマンス、効率の面でユーザーがまだ課題に直面する。

・本論文では、改善された使用性を備えたオープンソースBBOツールキットのオープンボックスを提供する。ユーザーは、タスクを定義、管理するための使いやすいインターフェースと可視化を実装している。

・OpenBoxのモジュール化された設計により、既存のシステムに柔軟に展開することができる。

・実験結果は、OpenBoxの有効性と効率性が既存のシステムよりも優れていることを示している。

・OpenBoxのソースコードはhttps://github.com/PKU-DAIR/open-boxで入手可能です。

要約(オリジナル)

Black-box optimization (BBO) has a broad range of applications, including automatic machine learning, experimental design, and database knob tuning. However, users still face challenges when applying BBO methods to their problems at hand with existing software packages in terms of applicability, performance, and efficiency. This paper presents OpenBox, an open-source BBO toolkit with improved usability. It implements user-friendly inferfaces and visualization for users to define and manage their tasks. The modular design behind OpenBox facilitates its flexible deployment in existing systems. Experimental results demonstrate the effectiveness and efficiency of OpenBox over existing systems. The source code of OpenBox is available at https://github.com/PKU-DAIR/open-box.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI