Jun, 2024

CATBench: 黑盒优化的编译器自动调优基准套件

PDF
TL;DRBayesian optimization and compiler autotuning research is advanced through the use of CATBench, a benchmarking suite that captures the complexities of compiler autotuning using machine learning-oriented computations.
发现论文，激发创造
  • BoTorch：高效 Monte-Carlo 贝叶斯优化框架

    介绍 BoTorch，它是用于贝叶斯优化的现代编程框架，采用蒙特卡罗（MC）采集函数、自动微分和方差缩减技术。我们提出了一个新的 ' 一次性 ' 知识梯度公式，并在实验证明 BoTorch 相对于其他流行库具有更好的样本效率。

    Oct, 2019

  • 高维贝叶斯优化离散序列的调查与基准

    通过统一的框架和标准化的黑盒函数，针对化学和生物学的实际应用领域，该论文研究了贝叶斯优化的高维优化方法和技术难点，并提供了易于拓展的软件库，以方便实践者更好地应用于离散优化问题。

    Jun, 2024

  • 基于主成分对齐信任区域的局部适应贝叶斯优化：LABCAT

    LABCAT 算法通过添加主成分对齐旋转和基于局部高斯过程代理模型的长度尺度的自适应重新缩放策略，扩展了基于信任区域的贝叶斯优化方法，通过广泛的数值实验，证明 LABCAT 算法胜过了几种先进的贝叶斯优化和其他黑盒优化算法。

    Nov, 2023

  • DACBench: 一种动态算法配置基准库

    提出 DACBench，一个基准测试库，旨在收集并标准化来自不同 AI 领域的现有 DAC 基准测试，并为新的基准测试提供一个模板，实现灵活性、可复现性、可扩展性和自动化文档和可视化，以展示 DAC 的潜力、广泛适用性和挑战，并通过比较初始六个基准测试在多个难度维度上的表现来验证其有效性。

    May, 2021

  • 基于贝叶斯优化的自动调整 Apache TVM 科学应用

    本论文通过使用贝叶斯优化提出了一种新的 TVM 自动调优框架，并利用 TVM 张量表达语言实现了 LU、Cholesky 和 3mm 等线性代数核，通过在 Argonne 国家实验室的一个 GPU 集群 Swing 上评估这些方法的有效性，将所提出的自动调优框架与四个调优器的 TVM 自动调优框架 AutoTVM 进行了比较，并发现在大多数情况下我们的框架优于 AutoTVM。

    Sep, 2023

  • 组合和混合变量贝叶斯优化的框架和基准

    本论文提出了混合变量和组合贝叶斯优化（MCBO）的模块化框架，以解决当前 MCBO 研究领域缺乏系统性基准和标准评估的问题，通过在 10 个任务上进行超过 4000 次实验，证明了该框架比现有方法具有更高的性能表现，并揭示了模型拟合和信任区域使用的重要性。

    Jun, 2023

  • Benchopt: 可重现、高效和协作的优化基准

    提出了 Benchopt，这是一个协作框架，旨在自动化、再现和发布跨编程语言和硬件架构的机器学习优化基准测试，为社区提供了一个现成的工具，以简化基准测试，并展示了三个标准学习任务的基准测试结果，重点关注实际评估中的细节问题，以此促进社区协作工作，改善研究结果的可再生性。

    Jun, 2022

  • CTBENCH：认证训练库和基准

    CTBENCH 是一个统一的库和高质量的基准测试，用于证明训练。通过在公平设置和系统调整的超参数下评估所有算法，CTBENCH 展示了几乎所有算法超越了文献中所报道的性能，并建立了新的最先进方法，同时揭示了近期算法的优势在强化基线后明显减弱。基于 CTBENCH，我们为当前的证明训练状态提供了新的见解，并提出了未来的研究方向。我们相信 CTBENCH 将成为证明训练未来研究的基准和测试平台。

    Jun, 2024

  • 正则化无界贝叶斯优化

    本研究基于贝叶斯优化方法，提出了两种自动调整搜索空间大小的算法，并将它们应用于深度学习中的优化问题，包括超参数调优、神经网络模型训练等，取得了不错的结果。

    Aug, 2015

  • 贝叶斯优化应对气候变化：应用和基准测试

    提供了一篇关于贝叶斯方法在解决气候变化相关问题上的应用的文献综述，并针对材料发现、风力发电场布局、可再生能源控制和环境监测等领域分别提出公开的数据集或基准测试，同时在缺乏适当基准的情况下提出了一个名为 LAQN-BO 的新基准测试。

    Jun, 2023