返回 AI 工具目录
HpBandSter
开发框架人工精选最近核验 2026年7月23日
HpBandSter(automl/HpBandSter)是一个用于分布式超参数优化的 Python 3 框架,实现了 Hyperband 与 BOHB(贝叶斯优化结合 Hyperband)两类算法,通过在多组配置间按资源预算逐轮淘汰、再用贝叶斯模型引导采样,在有限算力下更快找到较优超参数,并支持多 worker 分布式运行。需要注意:官方已明确停止维护该仓库,建议改用后继项目 SMAC3(功能更全、持续维护)与 DEHB(差分进化结合 Hyperband)。因此它更适合作为算法学习/复现参考或旧项目延续,新项目宜选用其推荐的替代方案。
定价开源部署本地运行、自托管国内可达国内可达
解决什么问题
- 在有限算力下加速机器学习超参数搜索
- 实现 Hyperband 的逐轮资源淘汰
- 用 BOHB 以贝叶斯模型引导采样
- 支持多 worker 分布式并行评估
适合
- 学习或复现 Hyperband、BOHB 算法
- 维护已依赖该框架的旧项目
- 需要分布式超参数搜索的研究场景
- 参考其调度与采样实现
不适合
- 官方已停更,新项目不建议采用
- 追求持续维护应改用 SMAC3
- 需要差分进化方案可选 DEHB
- 长期生产依赖存在无人维护风险
如何接入
- 作为 Python 库嵌入训练流程
- 配置 master 与多个 worker 分布式运行
- 定义配置空间与目标评估函数
- 参考官方文档站获取用法
已知限制
- 仓库已停止维护、不再接受更新
- 文档与示例以英文为主
- 属较新论文实现,需具备调参基础
- 建议迁移至 SMAC3 或 DEHB
接入与使用事实
- 部署方式
- 本地运行、自托管
- 实现语言
- Python
- 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
暂无可公开的来源链接。