benchopt 1.6.0

安装

建议在 conda 环境中使用 benchopt 以充分利用 benchopt 命令行界面 (CLI)。

要安装 benchopt，首先创建一个新的 conda 环境，然后激活它

conda create -n benchopt python
conda activate benchopt

然后运行以下命令安装 benchopt 的 最新版本

pip install -U benchopt

还可以使用最新的开发版本。这样做的话，请运行以下命令

pip install git+https://github.com/benchopt/benchopt.git

入门指南

安装 benchopt 后，您可以

• 复制/修改现有基准

• 创建您自己的基准

使用现有基准

复制现有基准很简单。以下是如何复制 L2-逻辑回归基准 的方法。

1. 克隆基准仓库并 cd 到它

git clone https://github.com/benchopt/benchmark_logreg_l2
cd benchmark_logreg_l2

2. 使用 benchopt 自动安装所需的求解器

benchopt install . -s lightning -s sklearn

3. 运行基准以获取下面的图表

benchopt run . --config ./example_config.yml

这些步骤说明了如何复制 L2-逻辑回归基准。查看 可用基准 的完整列表。还可以参考 文档 了解更多关于 benchopt CLI 及其功能的信息。您还可以通过添加数据集、求解器或指标轻松扩展此基准。在 基准工作流程 中了解这些以及更多内容。

寻求帮助

加入 benchopt Discord 服务器 并与社区取得联系！请随时给我们留言，以获得有关运行/构建基准的帮助，或者（为什么不呢）讨论要添加的新功能和 benchopt 应该采取的未来发展方向。

引用 Benchopt

Benchopt 是一个持续努力，旨在创建可重复和透明的机器学习和优化基准。加入我们吧！如果您在科学出版物中使用 benchopt，请引用

@inproceedings{benchopt,
   author    = {Moreau, Thomas and Massias, Mathurin and Gramfort, Alexandre
                and Ablin, Pierre and Bannier, Pierre-Antoine
                and Charlier, Benjamin and Dagréou, Mathieu and Dupré la Tour, Tom
                and Durif, Ghislain and F. Dantas, Cassio and Klopfenstein, Quentin
                and Larsson, Johan and Lai, En and Lefort, Tanguy
                and Malézieux, Benoit and Moufad, Badr and T. Nguyen, Binh and Rakotomamonjy,
                Alain and Ramzi, Zaccharie and Salmon, Joseph and Vaiter, Samuel},
   title     = {Benchopt: Reproducible, efficient and collaborative optimization benchmarks},
   year      = {2022},
   booktitle = {NeurIPS},
   url       = {https://arxiv.org/abs/2206.13424}
}

可用基准

BSD 3-Clause 许可协议

版权所有 (c) 2019–2022 Benchopt 开发者。保留所有权利。

以下条件满足时，允许重新分发和使用源代码和二进制代码，可以进行修改或不可修改：

1. 源代码重新分发必须保留上述版权声明、本条件列表和以下免责声明。

2. 二进制形式的重新分发必须在文档和/或随重新分发提供的其他材料中复制上述版权声明、本条件列表和以下免责声明。

3. 未经事先书面许可，不得使用 Benchopt 开发者名称或其贡献者的名称来认可或推广由此软件派生的产品。

本软件由版权所有者和贡献者提供，"按原样"提供，并且不提供任何明示或暗示的保证，包括但不限于适销性和适用于特定目的的暗示性保证。在任何情况下，监管机构或贡献者均不对任何直接、间接、偶然、特殊、示范性或后果性损害（包括但不限于替代商品或服务的采购；使用、数据或利润的损失；或业务中断）承担责任，无论此类损害是由何种原因引起的，以及基于何种责任理论，包括合同、严格责任或侵权（包括疏忽或其他），即使已告知此类损害的可能性。