Возобновить процесс gp_minimize с контрольной точки в Скопте

Question

Я хочу возобновить процесс GP, но получаю странные сообщения. Я запускаю свой процесс gp, предоставляя только x0 и y0=None. Мои начальные точки - 30 и n_evals = 50. Я останавливаю его на оценке № 20. Затем я загружаю результат и, следуя примеру из документации, предоставляю x0 и y0 (оба являются списками) и запускаю тот же процесс. (Я перезапустил ядро ​​obv.) Однако даже после оценки нет. 12 появляется сообщение: Итерация № 13 началась. Оценка функции в случайной точке. где он должен искать следующую оптимальную точку.

Я делаю что-то неправильно?

x0 = res.x_iters
y0 = res.func_vals


gp_res = gp_minimize(func=fitness,                             
                            dimensions=space,
                            n_calls=50,
                            n_jobs=-1,
                            n_initial_points=30,
                            initial_point_generator=lhs,
                            verbose=True,
                            acq_func='gp_hedge',
                            acq_optimizer='lbfgs',
                            n_restarts_optimizer=15,
                            y0=y0,
                            random_state=seed,
                            callback=[checkpoint_callback,delta_callback],
                            n_points=10000,   
                            kappa=1.96,      
                            xi=0.01,           
                            noise='gaussian',
                            model_queue_size=None,
                            x0=x0)

Answer 1

Была аналогичная проблема. В поисках ответа я наткнулся на эту проблему на странице GitHub: https://github.com/scikit-optimize/scikit-optimize/issues/949.

Предлагается "установить значение n_initial_points равным отрицательному значению числа значений в res0.x_iters", что, кажется, работает для меня.

В вашем случае я предполагаю, что это будет выглядеть так:

x0 = res.x_iters
y0 = res.func_vals


gp_res = gp_minimize(func=fitness,                             
                            dimensions=space,
                            n_calls=50,
                            n_jobs=-1,
                          ->n_initial_points=-len(x0),
                            initial_point_generator=lhs,
                            verbose=True,
                            acq_func='gp_hedge',
                            acq_optimizer='lbfgs',
                            n_restarts_optimizer=15,
                            y0=y0,
                            random_state=seed,
                            callback=[checkpoint_callback,delta_callback],
                            n_points=10000,   
                            kappa=1.96,      
                            xi=0.01,           
                            noise='gaussian',
                            model_queue_size=None,
                            x0=x0)