我正在使用scipy.optimize.minimize()
来最小化某个函数。我想比较不同方法的性能,BFGS
和L-BFGS-B
,为此,我希望函数在优化时打印出其值和误差幅度。
实际上,L-BFGS-B
会自动执行此操作,如下所示:
At X0 0 variables are exactly at the bounds
At iterate 0 f= 7.73701D+04 |proj g|= 1.61422D+03
At iterate 1 f= 4.33415D+04 |proj g|= 1.16289D+03
At iterate 2 f= 9.97661D+03 |proj g|= 5.04925D+02
At iterate 3 f= 4.10666D+03 |proj g|= 3.04707D+02
....
At iterate 194 f= 3.34407D+00 |proj g|= 3.55117D-04
At iterate 195 f= 3.34407D+00 |proj g|= 3.36692D-04
At iterate 196 f= 3.34407D+00 |proj g|= 9.58307D-04
Tit = total number of iterations
Tnf = total number of function evaluations
Tnint = total number of segments explored during Cauchy searches
Skip = number of BFGS updates skipped
Nact = number of active bounds at final generalized Cauchy point
Projg = norm of the final projected gradient
F = final function value
* * *
N Tit Tnf Tnint Skip Nact Projg F
243 196 205 1 0 0 9.583D-04 3.344D+00
F = 3.34407234824719
有谁知道我如何为BFGS
做同样的事情?
注意:这个问题与这里发布的一个更大的问题有关:SciPy 优化:Newton-CG vs BFGS vs L-BFGS,关于在特定优化问题中这两种算法之间的行为之间的分歧。我想追踪这两种算法的分歧。
我在这里找到了答案:如何显示scipy.optimize函数的进度?
optimize.minimize()
的callback
选项允许我们输入一个可以访问变量的方法,该方法x_n
由optimize.minimize()
在时间步长n
计算 .我们可以使用它来打印数据;我选择写出到外部文件,如下所示:
##Print callback function
def printx(Xi):
global Nfeval
global fout
fout.write('At iterate {0:4d}, f={1: 3.6f} '.format(Nfeval, energy(Xi)) + 'n')
Nfeval += 1
Nfeval = 1
fout = open('BFGS_steps_NN%d' %NN +'.txt','w')
res = minimize(energy, xyzInit, method='BFGS', jac = energy_der, callback=printx, options={'disp': True})
fout.close()
它工作得很好!