optunahub.samplers.SimpleBaseSampler

class optunahub.samplers.SimpleBaseSampler(search_space: dict[str, BaseDistribution] | None = None, seed: int | None = None)[source]

用于实现用户自定义采样器的简单基类。

__init__(search_space: dict[str, BaseDistribution] | None = None, seed: int | None = None) → None[source]

after_trial(study: Study, trial: FrozenTrial, state: TrialState, values: Sequence[float] | None) → None

试验后处理。

此方法在目标函数返回后、试验完成并存储其状态之前调用。

注意

在 v2.4.0 中作为实验性功能添加。接口可能在更高版本中更改，恕不另行通知。请参阅 https://github.com/optuna/optuna/releases/tag/v2.4.0。

参数:

before_trial(study: Study, trial: FrozenTrial) → None

试验预处理。

此方法在调用目标函数之前、试验实例化之后立即调用。更确切地说，此方法在试验初始化期间调用，就在 `infer_relative_search_space()` 调用之前。换句话说，它负责在推断搜索空间之前应完成的预处理。

注意

在 v3.3.0 中作为实验性功能添加。接口可能在更高版本中更改，恕不另行通知。请参阅 https://github.com/optuna/optuna/releases/tag/v3.3.0。

参数:

infer_relative_search_space(study: Study, trial: FrozenTrial) → dict[str, BaseDistribution][source]

推断在目标试验中将用于相对采样的搜索空间。

此方法在 `sample_relative()` 方法之前立即调用，此方法返回的搜索空间将传递给它。不在搜索空间中的参数将使用 `sample_independent()` 方法进行采样。

参数:

返回:

包含参数名称和参数分布的字典。

另请参阅

请参阅 `intersection_search_space()` 作为 `infer_relative_search_space()` 的一种实现。

reseed_rng() → None[source]

重新设置采样器的随机数生成器种子。

如果试验以 `n_jobs>1` 选项并行执行，此方法由 `Study` 实例调用。在这种情况下，采样器实例将被复制，包括随机数生成器的状态，它们可能会建议相同的值。为了防止此问题，此方法为每个随机数生成器分配不同的种子。

sample_independent(study: Study, trial: FrozenTrial, param_name: str, param_distribution: BaseDistribution) → Any[source]

为给定分布采样一个参数。

此方法仅为 `sample_relative()` 方法返回的搜索空间中不包含的参数调用。此方法适用于不使用参数之间关系的采样算法，例如随机采样和 TPE。

注意

内置采样器在采样新参数时会忽略失败的试验。因此，在采样器的视角中，失败的试验被视为已删除。

参数:

返回:

参数值。

abstractmethod sample_relative(study: Study, trial: FrozenTrial, search_space: dict[str, BaseDistribution]) → dict[str, Any][source]

在给定搜索空间中采样参数。

此方法在每次试验开始时调用一次，即在目标函数评估之前立即调用。此方法适用于使用参数之间关系的采样算法，例如高斯过程和 CMA-ES。

注意

内置采样器在采样新参数时会忽略失败的试验。因此，在采样器的视角中，失败的试验被视为已删除。

参数:

返回:

包含参数名称和值的字典。