相同的优化代码不同的计算机上的不同结果

我正在运行嵌套优化代码。相同的优化代码不同的计算机上的不同结果

sp.optimize.minimize(fun=A, x0=D, method="SLSQP", bounds=(E), constraints=({'type':'eq','fun':constrains}), options={'disp': True, 'maxiter':100, 'ftol':1e-05}) 

sp.optimize.minimize(fun=B, x0=C, method="Nelder-Mead", options={'disp': True})

第一次最小化是函数B的一部分，所以它是第二次最小化中运行的一种。

而整个优化是基于数据，没有涉及到随机数。

我在两台不同的计算机上运行完全相同的代码，得到完全不同的结果。

我已经安装了不同版本的森蚺，但

SciPy的，numpy的，以及所使用的所有包具有相同的版本。

我真的不认为操作系统将无关紧要，但一个是Windows 10（64位），另一种是Windows 8.1中（64位）

我试图找出什么可能导致此。

即使我没有说明整个选项，如果两台电脑运行相同的代码，不应该结果是相同的吗？

或者是否有sp.optimize的任何选项，默认值设置为不同于计算机到计算机？

PS。我正在看“eps”选项。这些计算机上的“eps”默认值有可能不同吗？

来源

2017-09-04 WKW

Python版本有区别吗？ –

哦。你是对的。我错过了这个......一个是Python 3.6.0，另一个是Python 3.6.1 它会导致差异吗？我的意思是......这有点令人沮丧，因为在一台计算机上，它在3000次迭代中收敛，但在另一台计算机上，直到7000次迭代才收敛。 – WKW

这两个Python实例都是64位的吗？这也可能是一个因素。检查numpy数组在两个实例上使用相同的'dtype'。 –

您不应该期望数值方法在不同的设备上具有相同的性能;或者甚至在同一设备上运行相同代码的不同运行。由于机器的有限精度，您无法计算“真实”结果，但只能计算数值近似值。在长期的优化任务中，这些差异可以总结出来。此外，一些优化方法在内部使用某种随机性来解决陷入局部最小值的问题：它们为先前计算的解决方案添加了一个小的alomost消失噪声，以允许算法在全球最低限度，而不会陷入局部最低点或鞍点。

你可以尝试绘制你想要最小化功能的景观？这可以帮助你分析问题：如果两个结果（在每台机器上）都是局部最小值，那么这个行为可以用我以前的描述来解释。

如果不是这种情况，您应该检查两台机器上安装的scipy版本。也许你是在一个设备上隐式使用float值，另一个设备上是否使用double值？

你会看到：这里有很多可能的解释（第一眼看）奇怪的数字行为;你必须给我们更多的细节来解决这个问题。

来源

2017-09-04 20:49:27 FlashTek

首先，谢谢你的回答！但是我多次在同一台计算机上获得了相同的结果。我只是尝试在另一台电脑上，得到不同的结果，有点惊讶.. 我真的希望我可以上传我的代码，但我认为我不应该.. :( 你可能是非常善良和告诉我更多关于“隐式使用float和double”的内容吗？这是否与机器精度有关？我怎样才能检查它？（scipy版本是相同的。） – WKW

@WonkiWoo尝试绘制你想要的函数的空间正如我告诉过你的，尽量减少。 – FlashTek

相同的优化代码不同的计算机上的不同结果

回答

相关问题