文件名称：CbAS:ICML 2019 论文“通过自适应抽样进行条件调整以实现稳健设计”的代码
文件大小：17.18MB
文件格式：ZIP
更新时间：2024-06-19 14:02:15
JupyterNotebook
通过自适应采样进行调节以实现稳健的设计 这个 repo 包含论文的代码： DH 布鲁克斯、H. Park 和 J. Listgarten。 通过自适应采样进行调节以实现稳健设计。 ICML 会议录，2019 年。 最重要的代码位在文件src/optimization_algs.py和notebooks/toy_conditioning.ipynb 。 特别是src/optimization_algs.py weighted_ml_opt函数， weights_type='cbas'运行* CbAS 方法。 此外， notebooks/toy_conditioning.ipynb是一个独立的 iPython 笔记本，它对图 1 中所示的玩具问题运行 CbAS 测试。
【文件预览】：
CbAS-master
----notebooks()
--------toy_conditioning.ipynb(424KB)
----src()
--------util.py(14KB)
--------gfp_gp.py(3KB)
--------seqtools.py(8KB)
--------optimization_algs.py(14KB)
--------vae.py(14KB)
--------losses.py(2KB)
--------run_gfp_tests.py(13KB)
--------plotting.py(15KB)
----README.md(649B)
----data()
--------gfp_data.csv(55.46MB)
--------gfp_gt_evals.npy(268KB)
--------gfp_gpparams.npy(160B)
--------gfp_gpy.npy(8KB)
--------avGFP_reference_sequence.fa(740B)
--------amino_acid_genotypes_to_brightness.tsv(2.23MB)
--------gfp_gpK.npy(7.63MB)
--------gfp_gpX.npy(1.81MB)
--------gfp_gpKinv.npy(7.63MB)