benderopt

无梯度也能调参,黑盒优化一键搞定

benderopt 是一个黑盒优化库,旨在帮助用户在没有梯度信息的情况下,对任意函数进行参数调优。它解决了传统优化方法(如梯度下降)无法应用于离散、不可导或评估代价高昂的优化问题。核心能力包括:支持多种优化算法(如随机搜索、粒子群、贝叶斯优化等),提供统一的 API 来定义搜索空间和优化目标,并能自动记录优化历史。项目基于 Python 实现,代码简洁,适合快速集成到机器学习模型调参、实验设计等场景。目前项目处于早期阶段,功能正在迭代中。

开源 free 基础设施
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 87
维护状态 低维护
是否开源
定价模式 free

项目数据

分类基础设施
开发团队vthorey
所属国家
官网地址
定价模式free
价格说明开源库,MIT许可证,完全免费,无付费版本。
访问状态
是否开源
开源协议MIT
主要语言Jupyter Notebook
技术栈/模型automl,deep-learning,hyperparameter-search,machine-learning,mlops,optimization
GitHub 星标★ 87
30天Star增速
HF 下载量
上线时间2017-03-13 00:00:00
最近更新2025-08-06 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4

使用教程

核心亮点

  • 支持多种优化算法,可灵活切换策略
  • API 简洁,定义搜索空间和优化目标方便
  • 自动记录优化历史,便于分析和复现

不足之处

  • 文档和示例较少,上手门槛略高
  • 社区活跃度低,迭代速度待观察

适用场景

  • 机器学习模型超参数调优
  • 模拟实验参数寻优
  • 工程设计中黑盒函数优化

替代项目

Optuna、Hyperopt、Scikit-Optimize

项目介绍

benderopt 是模型训练领域的开源项目,由 vthorey 开发,2017 年首次发布。

它收录于模型训练分类,该分类目前共有 518 个项目,GitHub 星标数为 87。

项目已超过三个月没有代码更新,维护节奏明显放缓,最近一次代码更新于 2025-08-06。开源库,MIT许可证,完全免费,无付费版本。

它主要面向的使用场景是:机器学习模型超参数调优。同类可对比的替代方案包括 Optuna、Hyperopt、Scikit-Optimize。

上一篇:mrmr

下一篇:modelfox

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 62178 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1286 2026-08-13