自主数据采集
项目描述
gpCAM
gpCAM (gpcam.lbl.gov) 是一种API和软件，旨在通过高斯过程函数逼近和自主数据采集/贝叶斯优化，使实验和模拟更加准确、快速、简单且易于获取。该工具基于灵活且强大的高斯过程回归核心。其灵活性源于gpCAM的模块化设计，允许用户实现和导入自己的Python函数来自定义和控制软件的几乎所有方面。这使得可以轻松调整算法以考虑各种类型的物理和其他领域知识，并在欧几里得空间和非欧几里得空间中识别和发现有趣的特征。gpCAM中的专用函数优化器可以利用高性能计算架构来缩短分析时间和反应式自主数据采集。gpCAM打破了2019年运行的最大精确GP记录！下面可以看到如何设置自主实验循环的简单示例。
用法
以下展示了gpCAM API的简单用法（请参阅交互式演示）。
!pip install gpcam
from gpcam.autonomous_experimenter import AutonomousExperimenterGP
import numpy as np
def instrument(data):
for entry in data:
entry["y_data"] = np.sin(np.linalg.norm(entry["x_data"]))
entry["noise variance"] = 0.01
return data
##set up your parameter space
parameters = np.array([[3.0,45.8],
[4.0,47.0]])
##set up some hyperparameters, if you have no idea, set them to 1 and make the training bounds large
init_hyperparameters = np.array([1,1,1])
hyperparameter_bounds = np.array([[0.01,100],[0.01,100.0],[0.01,100]])
##let's initialize the autonomous experimenter ...
my_ae = AutonomousExperimenterGP(parameters, init_hyperparameters,
hyperparameter_bounds,instrument_function = instrument,
init_dataset_size=10, info=False)
#...train...
my_ae.train()
#...and run. That's it. You successfully executed an autonomous experiment.
my_ae.go(N = 100)
致谢
主要开发者：Marcus Noack（《MarcusNoack@lbl.gov》）来自DOE国家实验室的许多人（特别是BNL）提供了见解，这导致了代码的当前形式。有关详细信息，请参阅《AUTHORS》。
下载文件
下载适合您平台文件的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。
源代码分发
gpcam-8.1.7.tar.gz (57.6 kB 查看散列值)
构建分发
gpcam-8.1.7-py3-none-any.whl (59.1 kB 查看散列值)