optuna.integration

integration 模块包含用于将 Optuna 与外部机器学习框架集成的类。

注意

Optuna 第三方库的集成模块已开始从 Optuna 本身迁移到一个名为 optuna-integration 的包中。请查看该仓库和文档。

对于 Optuna 支持的大多数 ML 框架，相应的 Optuna 集成类仅用于实现一个回调对象和函数，以符合框架特定的回调 API，并在模型训练的每个中间步骤中调用。这些回调函数在不同 ML 框架中实现的功能包括

使用 optuna.trial.Trial.report() 将中间模型分数报告回 Optuna 试验，
根据 optuna.trial.Trial.should_prune() 的结果，通过引发 optuna.TrialPruned() 来剪枝当前模型，以及
将当前的试验编号等中间 Optuna 数据报告回框架，就像在 MLflowCallback 中所做的那样。

对于 scikit-learn，提供了一个集成的 OptunaSearchCV 估计器，它结合了 scikit-learn BaseEstimator 的功能并可以访问类级别的 Study 对象。

各集成模块的依赖项

我们总结了每个集成所需的依赖项。

集成模块	依赖项
AllenNLP	allennlp, torch, psutil, jsonnet
BoTorch	botorch, gpytorch, torch
CatBoost	catboost
ChainerMN	chainermn
Chainer	chainer
pycma	cma
Dask	distributed
FastAI	fastai
Keras	keras
LightGBMTuner	lightgbm, scikit-learn
LightGBMPruningCallback	lightgbm
MLflow	mlflow
MXNet	mxnet
PyTorch Distributed	torch
PyTorch (Ignite)	pytorch-ignite
PyTorch (Lightning)	pytorch-lightning
SHAP	scikit-learn, shap
Scikit-learn	pandas, scipy, scikit-learn
SKorch	skorch
TensorBoard	tensorboard, tensorflow
TensorFlow	tensorflow, tensorflow-estimator
TensorFlow + Keras	tensorflow
Weights & Biases	wandb
XGBoost	xgboost