Question

Dlib最近发布了一种全局优化的新方法，最大限度地减少了函数调用的数量（http://blog.dlib.net/2017/12/a-global-optimization-algorithm-worth.html）

我想在Python中使用它，对于一个简单的成本函数，它运行良好：

import dlib
import numpy as np

def cost_fn_2_params(x0, x1):
    return np.sum([x0, x1])

dlib.find_max_global(f=cost_fn_2_params, bound1=[-1., -1], 
                     bound2=[1., 1], num_function_calls=10)

现在，在我的特定用例中，我有一个可变数量的参数进入我的成本函数，find_global_max期望成本函数具有静态数量的参数。例如，以另一种方式定义成本函数：

def cost_fn_unspecified_params(**params):
    return np.sum(params)

dlib.find_max_global(f=cost_fn_unspecified_params, bound1=[-1., -1], 
                     bound2=[1., 1], num_function_calls=10)

我收到以下错误：

Failing expression was num == args.size().
The function being optimized takes a number of arguments that doesn't agree with the size of the bounds lists you provided to find_max_global()

我的问题是：有没有办法用一定数量的参数动态定义函数？排除*params语法，因为这显然只是dlib的一个参数。

我考虑使用exec来定义一个函数，但它似乎过于复杂。到目前为止，这是我最好的解决方案：

def get_fn_n_arguments(n):
    argument_list = [f'x{ii}' for ii in range(n)]
    argument_str = ','.join(argument_list)
    def_str = f'def fn({argument_str}): \n\tparams = [{argument_str}]\n\treturn cost_fn_unspecified_params(params)'
    print(def_str)
    exec(def_str, globals())

这会将函数fn放入全局命名空间，现在我可以

get_fn_n_arguments(2)
dlib.find_max_global(f=fn, bound1=[-1., -1], 
                     bound2=[1., 1], num_function_calls=10)

它有效，但它似乎是一个非常脆弱的解决方案。我真的想改进它。

在python中使用dlib的`find_max_global`，并改变参数数量

0 个答案: