返回 AI 工具目录
Dragonfly
开发框架人工精选最近核验 2026年7月23日
Dragonfly 是一个用 Python 编写、以 MIT 许可开源的贝叶斯优化框架,面向代价高昂的黑盒函数优化,可用于超参数调优与神经架构搜索。它支持高维搜索空间、同步与异步的并行评估、利用低成本近似的多保真度优化,以及多目标优化,提供命令行与 Python API 两种接口,并支持 ask-tell 模式便于自定义实验流程,搜索域可用 JSON 或代码定义。项目源自学术研究,相关方法发表于 2020 年的 JMLR。定位是可扩展的贝叶斯优化与自动化调参库,适合研究与工程中的实验寻优;与同名内存数据库 DragonflyDB 并非同一项目。
定价开源部署本地运行国内可达国内可达
解决什么问题
- 对代价高昂的黑盒函数做样本高效优化
- 为模型训练自动搜索超参数配置
- 支持神经架构搜索等结构寻优
- 利用多保真度近似降低评估成本
- 支持同步与异步并行评估提升吞吐
适合
- 超参数调优与黑盒实验寻优的研发场景
- 评估一次代价很高、需省样本的问题
- 需要多目标或多保真度优化的任务
- 偏好用 Python 库自建实验流程的团队
不适合
- 面向优化算法,不含实验跟踪与可视化
- 源于学术项目,更新与支持节奏有限
- 需自行编写目标函数与搜索域定义
- 不提供托管服务,需本地集成运行
如何接入
- 提供命令行与 Python API 两种接口
- 支持 ask-tell 模式自定义评估循环
- 搜索域可用 JSON 或代码定义
- 可嵌入现有训练脚本调用
已知限制
- 项目源自研究,长期维护活跃度需评估
- 无内置结果管理,需搭配其他工具
- 含 Fortran 组件,安装需相应编译环境
- 文档与生态规模相对有限
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python、Fortran
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
- 代码仓库仅作事实索引