机器学习AutoML【免费下载链接】hyperoptDistributed Asynchronous Hyperparameter Optimization in Python项目地址https://gitcode.com/gh_mirrors/hy/hyperopt点击查看免费下载本篇指南围绕仓库文档 docs/templates/setup/running-tests.md 展开系统讲解 Hyperopt 单元测试的运行方法SPARK_HOME与HYPEROPT_FMIN_SEED两个环境变量的含义、run_tests.sh的四种调用形态全量、单文件、跳过 Spark、组合使用并结合当前仓库的源码与 CI 配置给出uv run pytest、nox、GitHub Actions 等现代等价实践。读完本文你可以本地复现 Hyperopt 的全部或部分测试套件并理解随机种子在fmin()底层是如何生效的。环境准备运行测试前的依赖清单原文档假设你已经在项目根目录下拿到了仓库源码并且本地具备 Python 环境。从当前仓库快照看pyproject.toml 声明了核心运行依赖numpy1.17、scipy1.5.0、networkx2.2、tqdm、cloudpickle并限定requires-python 3.10。测试相关依赖按用途拆分在 pyproject.toml 中SparkTrials可选依赖[pyspark, py4j]运行 Spark 集成测试时必需MongoTrials可选依赖[pymongo4.0.0]运行 MongoDB 相关测试时必需ATPE可选依赖[lightgbm, scikit-learn]依赖组testingpytest加以上全部 extras即pytest, hyperopt[SparkTrials,MongoTrials,ATPE]依赖组dev包含testing组、lintmypy、pre-commit、nox、pyyaml。因此一条命令即可装齐测试环境# 方式一pip 直接安装含全部测试可选依赖 pip install hyperopt[SparkTrials,MongoTrials,ATPE] pytest # 方式二uv 一键同步README 推荐的开发方式见 README.md 第 87 行 uv sync --group dev需要特别说明原文档所引用的run_tests.sh、.travis.yml、download_spark_dependencies.sh在当前仓库快照中均已不存在仓库根目录已无任何.sh脚本CI 配置全部收敛到 .github/workflows 下。也就是说文档描述的是早期 Travis CI 时代的测试入口而当前仓库已经迁移到「uv 管理依赖 pytest 执行 nox 多版本 GitHub Actions 持续集成」的体系。下文会同时保留原文档命令的完整用法并给出当前仓库中的等价做法。两个关键环境变量SPARK_HOME本地 Apache Spark 副本路径原文档要求设置SPARK_HOME指向本地 Apache Spark 副本并提示“查看.travis.yml和download_spark_dependencies.sh了解下载细节”。在那个年代跑 Spark 相关测试需要预先下载并解压 Spark 发行包然后通过SPARK_HOME让 PySpark 找到它。当前仓库的测试不再依赖本地 Spark 发行包SparkTrials所需的pyspark与py4j直接作为 Python 包安装见 pyproject.toml集成测试通过SparkSession.builder.master(local[N])在进程内拉起本地 Spark 集群见 hyperopt/tests/integration/test_spark.py默认 4 个 executor。因此在当前的 uv/pytest 体系下SPARK_HOME通常不再需要显式设置只有当你的环境仍在使用老脚本或自定义 Spark 安装时才需要按原文档的方式配置它。HYPEROPT_FMIN_SEEDfmin 的随机种子原文档要求从.travis.yml中获取该值其本质是让整轮调优过程可复现。这个环境变量并不仅是测试脚本的“装饰品”它在fmin()的源码中真实生效hyperopt/fmin.py 中fmin()在rstate参数未显式给出时会读取该环境变量env_rseed os.environ.get(HYPEROPT_FMIN_SEED, ) if env_rseed: rstate np.random.default_rng(int(env_rseed)) else: rstate np.random.default_rng()对应的文档注释在 hyperopt/fmin.py每次调用搜索算法algo都需要一个随机种子rstate就是用来通过randint派生这些种子的对象。设置HYPEROPT_FMIN_SEED后测试中的随机搜索、TPE 等算法会以确定性方式推进保证同一份代码、同一个种子得到完全一致的试验序列这正是单元测试稳定可复现的关键。示例命令中使用的3是当时.travis.yml约定的取值在当前 CI 中并未硬编码该变量见 .github/workflows/test.yml具体测试也可以通过rstatenp.random.default_rng(...)在调用层直接指定例如 hyperopt/tests/integration/test_spark.py。使用 run_tests.sh 运行单元测试原文档命令全量保留run_tests.sh是仓库根目录下的测试入口脚本通过前置环境变量和位置参数组合出四种运行形态。1. 运行全部单元测试hyperopt$ HYPEROPT_FMIN_SEED3 SPARK_HOME/usr/local/lib/spark-2.4.4-bin-hadoop2.7 ./run_tests.sh不带任何参数时执行完整测试套件SPARK_HOME指向spark-2.4.4-bin-hadoop2.7这类具体发行版目录版本号仅为示例按你本地实际下载的 Spark 版本填写HYPEROPT_FMIN_SEED3让随机性可复现。2. 只运行单个测试文件hyperopt$ HYPEROPT_FMIN_SEED3 SPARK_HOME/usr/local/lib/spark-2.4.4-bin-hadoop2.7 ./run_tests.sh hyperopt/tests/test_spark.py把目标文件路径作为位置参数传给脚本即可适合迭代式开发时快速验证某一个模块。3. 运行全部单元测试但跳过 Spark 相关用例hyperopt$ HYPEROPT_FMIN_SEED3 ./run_tests.sh --no-spark--no-spark用于排除 Spark 依赖场景当本地没有 Spark 环境、不想启动本地 Spark 集群、或只想快速跑非分布式逻辑时使用。注意此形态下SPARK_HOME已不再需要。4. 跳过 Spark 并只运行单个非 Spark 测试文件hyperopt$ HYPEROPT_FMIN_SEED3 ./run_tests.sh --no-spark test_base.py--no-spark之后的位置参数指定具体文件例如test_base.py对应 hyperopt/tests/test_base.py。四种形态可以归纳为一张参数语义表调用形态参数作用域是否需要 SPARK_HOME./run_tests.sh无全部测试是./run_tests.sh file文件路径仅该文件是./run_tests.sh --no-spark--no-spark全部测试排除 Spark否./run_tests.sh --no-spark file--no-spark 文件路径仅该非 Spark 文件否一个需要注意的路径差异原文档命令写作hyperopt/tests/test_spark.py而当前仓库中该文件实际位于 hyperopt/tests/integration/test_spark.pytest_base.py仍在 hyperopt/tests/test_base.py。按当前仓库结构执行时应使用hyperopt/tests/integration/test_spark.py。当前仓库的现代测试路径uv pytest nox CI直接运行 pytestREADME.md 给出的测试命令是uv run pytest由于 pytest 配置[tool.pytest.ini_options]见 pyproject.toml已排除dist、build、.venv、.nox等目录并从 scipy 内部测试继承了slow、xslow、thread_unsafe三个 marker因此一条uv run pytest即可覆盖全部单测与集成测试前提是已通过uv sync --group dev装好pyspark、pymongo等可选依赖。只跑一个文件等价于原文档的第二种形态uv run pytest hyperopt/tests/integration/test_spark.py # 或非 Spark 文件 uv run pytest hyperopt/tests/test_base.py跳过 Spark 的等价做法是只选择对应路径uv run pytest hyperopt/tests/unit hyperopt/tests/test_base.py多 Python 版本矩阵noxnoxfile.py 以 .github/workflows/test.yml 为“单一事实来源”自动解析 CI 中的 Python 版本矩阵与测试步骤并生成对应 sessionuv run nox # 所有支持的 Python 版本顺序执行 uv run nox -s tests_parallel # 所有版本并行执行 uv run nox -p 3.12 # 只跑某个具体版本CI 中的真实测试流程.github/workflows/test.yml 展示了当前仓库 CI 的实际测试步骤它是原文档“从.travis.yml获取种子/Spark 配置”的现代替代品在 Python 3.10–3.14 矩阵上安装 uvuv sync --group dev安装全部依赖PYSPARK_PIN_THREADtrue uv run pytestpin 线程模式下跑全量测试PYSPARK_PIN_THREADfalse uv run pytest hyperopt/tests/integration/test_spark.py再以非 pin 线程模式单独验证 Spark 插件。PYSPARK_PIN_THREAD控制 PySpark 线程模型两种模式都要覆盖正是 Spark 集成测试的特别之处——这也解释了原文档为何要为 Spark 单独设置SPARK_HOME并允许--no-spark跳过Spark 相关用例对环境最敏感理应可独立开关。测试套件全景unit 与 integration从当前仓库目录结构看测试分为三层目录文件覆盖内容hyperopt/tests/test_base.py基础Trials/状态机等核心逻辑hyperopt/tests/unit/test_anneal.py、test_atpe_basic.py、test_criteria.py、test_domains.py、test_fmin.py、test_ipy.py、test_pchoice.py、test_plotting.py、test_progress.py、test_pyll_utils.py、test_rand.py、test_randint.py、test_rdists.py、test_tpe.py、test_utils.py、test_vectorize.py、test_webpage.py各搜索算法TPE、ATPE、anneal、随机搜索、搜索空间采样、pyll 工具、进度条与绘图等纯 Python 单元逻辑hyperopt/tests/integration/test_mongoexp.py、test_sklearn.py、test_spark.py需要外部运行时MongoDB、scikit-learn、Spark 集群的集成场景原文档中“跑单个非 Spark 文件”的典型对象test_base.py位于最顶层目录是快速冒烟的首选而test_spark.py属于集成测试对应--no-spark所要排除的那一类。Spark 集成测试深入test_spark.py 与 SparkTrials既然原文档围绕SPARK_HOME与test_spark.py展开这里给出该测试文件背后的实现细节方便理解“为什么要单独处理 Spark 测试”。本地集群的拉起方式hyperopt/tests/integration/test_spark.py 中测试基类通过SparkSession.builder.master(flocal[{NUM_SPARK_EXECUTORS}])启动本地集群NUM_SPARK_EXECUTORS 4并顺手把spark.sql.shuffle.partitions调成 4 以加速小测试。这意味着 Spark 集成测试并不依赖外部集群只需pyspark已安装。SparkTrials 的可配置项被测对象SparkTrials定义在 hyperopt/spark.py其构造参数hyperopt/spark.py与原文档配套文档 docs/templates/scaleout/spark.md 一致parallelism最大并发试验数。若为None或非正值将取 SparkdefaultParallelism与 1 的较大者同时受硬上限MAX_CONCURRENT_JOBS_ALLOWED 128约束hyperopt/spark.py 中的_decide_parallelism会打印警告并封顶timeout允许fmin()运行的最大秒数超时后取消未完成任务并返回已有结果loss_threshold提前停止阈值spark_session显式传入SparkSession否则自动getOrCreate()resource_profilestage 级调度资源画像仅当 Spark 版本支持时生效。对应的集成测试逐一验证了这些行为例如以SparkTrials(parallelism4)跑通test_quadratic1_tpe复用 hyperopt/tests/unit/test_fmin.py 的用例见 hyperopt/tests/integration/test_spark.py、验证 parallelism 超过 128 被截断hyperopt/tests/integration/test_spark.py、验证非法timeout如-1、True被validate_timeout拒绝hyperopt/tests/integration/test_spark.py。这些测试正是原文档中./run_tests.sh hyperopt/tests/test_spark.py这条命令实际要执行的内容。注意事项与常见问题脚本与文件路径的版本差异原文档中的run_tests.sh、.travis.yml、download_spark_dependencies.sh在当前仓库快照中已不存在hyperopt/tests/test_spark.py也已迁移到hyperopt/tests/integration/。以当前仓库为准时请使用 .github/workflows/test.yml 与 noxfile.py 描述的流程并注意路径为hyperopt/tests/integration/test_spark.py。SPARK_HOME是否必需原文档要求设置该变量但这属于旧版本地 Spark 发行包的用法当前pyspark/py4j通过 pip 安装即可local[N]模式会自动拉起进程内集群。若使用老脚本或自定义 Spark 安装仍需按原文档配置。HYPEROPT_FMIN_SEED的作用范围它只影响fmin()默认rstate的初始化hyperopt/fmin.py对显式传入rstate的调用不生效测试中若要精确控制随机性更推荐像 hyperopt/tests/integration/test_spark.py 那样直接传入np.random.default_rng(seed)。MongoDB 相关测试test_mongoexp.py属于集成测试需要 MongoDB 可用安装与验证方式见 docs/templates/setup/installation-notes.md。在当前仓库中其路径为hyperopt/tests/integration/test_mongoexp.py且依赖MongoTrials可选组中的pymongo4.0.0。总之原文档给出的四种run_tests.sh形态——全量、单文件、--no-spark、--no-spark 单文件——构成了 Hyperopt 测试的基本操作骨架在理解SPARK_HOME与HYPEROPT_FMIN_SEED语义的基础上将其映射到当前仓库的uv run pytest/ nox / CI 流程即可在任何环境下稳定地复现和验证 Hyperopt 的测试套件。赞分享机器学习AutoML【免费下载链接】hyperoptDistributed Asynchronous Hyperparameter Optimization in Python项目地址https://gitcode.com/gh_mirrors/hy/hyperopt点击查看免费下载相关推荐ESLint 单元测试运行指南从全量测试到单用例调试的完整实践ESLint 单元测试运行指南从全量测试到单用例调试的完整实践 本篇指南以 ESLint 官方贡献文档《Run the Tests》为核心骨架结合仓库内的开发工具Lint静态分析代码质量MXNet Python 包实战指南从安装到运行单元测试的完整流程MXNet Python 包实战指南从安装到运行单元测试的完整流程 导读 本文以仓库 python/README.md https://link.gitcod人工智能深度学习机器学习Detectron2 测试指南单元测试与端到端回归测试的完整运行方法Detectron2 测试指南单元测试与端到端回归测试的完整运行方法 本文是 Detectron2 仓库中 tests/README.md https://l人工智能计算机视觉深度学习机器学习上一篇Easy-Scraper让网页数据采集变得简单高效下一篇如何快速上手harrier-oss-v1-270mSentence Transformers与Transformers双实现教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 从 run_tests.sh 到 uv+pytest：Hyperopt 单元测试完整运行指南
机器学习AutoML【免费下载链接】hyperoptDistributed Asynchronous Hyperparameter Optimization in Python项目地址https://gitcode.com/gh_mirrors/hy/hyperopt点击查看免费下载本篇指南围绕仓库文档 docs/templates/setup/running-tests.md 展开系统讲解 Hyperopt 单元测试的运行方法SPARK_HOME与HYPEROPT_FMIN_SEED两个环境变量的含义、run_tests.sh的四种调用形态全量、单文件、跳过 Spark、组合使用并结合当前仓库的源码与 CI 配置给出uv run pytest、nox、GitHub Actions 等现代等价实践。读完本文你可以本地复现 Hyperopt 的全部或部分测试套件并理解随机种子在fmin()底层是如何生效的。环境准备运行测试前的依赖清单原文档假设你已经在项目根目录下拿到了仓库源码并且本地具备 Python 环境。从当前仓库快照看pyproject.toml 声明了核心运行依赖numpy1.17、scipy1.5.0、networkx2.2、tqdm、cloudpickle并限定requires-python 3.10。测试相关依赖按用途拆分在 pyproject.toml 中SparkTrials可选依赖[pyspark, py4j]运行 Spark 集成测试时必需MongoTrials可选依赖[pymongo4.0.0]运行 MongoDB 相关测试时必需ATPE可选依赖[lightgbm, scikit-learn]依赖组testingpytest加以上全部 extras即pytest, hyperopt[SparkTrials,MongoTrials,ATPE]依赖组dev包含testing组、lintmypy、pre-commit、nox、pyyaml。因此一条命令即可装齐测试环境# 方式一pip 直接安装含全部测试可选依赖 pip install hyperopt[SparkTrials,MongoTrials,ATPE] pytest # 方式二uv 一键同步README 推荐的开发方式见 README.md 第 87 行 uv sync --group dev需要特别说明原文档所引用的run_tests.sh、.travis.yml、download_spark_dependencies.sh在当前仓库快照中均已不存在仓库根目录已无任何.sh脚本CI 配置全部收敛到 .github/workflows 下。也就是说文档描述的是早期 Travis CI 时代的测试入口而当前仓库已经迁移到「uv 管理依赖 pytest 执行 nox 多版本 GitHub Actions 持续集成」的体系。下文会同时保留原文档命令的完整用法并给出当前仓库中的等价做法。两个关键环境变量SPARK_HOME本地 Apache Spark 副本路径原文档要求设置SPARK_HOME指向本地 Apache Spark 副本并提示“查看.travis.yml和download_spark_dependencies.sh了解下载细节”。在那个年代跑 Spark 相关测试需要预先下载并解压 Spark 发行包然后通过SPARK_HOME让 PySpark 找到它。当前仓库的测试不再依赖本地 Spark 发行包SparkTrials所需的pyspark与py4j直接作为 Python 包安装见 pyproject.toml集成测试通过SparkSession.builder.master(local[N])在进程内拉起本地 Spark 集群见 hyperopt/tests/integration/test_spark.py默认 4 个 executor。因此在当前的 uv/pytest 体系下SPARK_HOME通常不再需要显式设置只有当你的环境仍在使用老脚本或自定义 Spark 安装时才需要按原文档的方式配置它。HYPEROPT_FMIN_SEEDfmin 的随机种子原文档要求从.travis.yml中获取该值其本质是让整轮调优过程可复现。这个环境变量并不仅是测试脚本的“装饰品”它在fmin()的源码中真实生效hyperopt/fmin.py 中fmin()在rstate参数未显式给出时会读取该环境变量env_rseed os.environ.get(HYPEROPT_FMIN_SEED, ) if env_rseed: rstate np.random.default_rng(int(env_rseed)) else: rstate np.random.default_rng()对应的文档注释在 hyperopt/fmin.py每次调用搜索算法algo都需要一个随机种子rstate就是用来通过randint派生这些种子的对象。设置HYPEROPT_FMIN_SEED后测试中的随机搜索、TPE 等算法会以确定性方式推进保证同一份代码、同一个种子得到完全一致的试验序列这正是单元测试稳定可复现的关键。示例命令中使用的3是当时.travis.yml约定的取值在当前 CI 中并未硬编码该变量见 .github/workflows/test.yml具体测试也可以通过rstatenp.random.default_rng(...)在调用层直接指定例如 hyperopt/tests/integration/test_spark.py。使用 run_tests.sh 运行单元测试原文档命令全量保留run_tests.sh是仓库根目录下的测试入口脚本通过前置环境变量和位置参数组合出四种运行形态。1. 运行全部单元测试hyperopt$ HYPEROPT_FMIN_SEED3 SPARK_HOME/usr/local/lib/spark-2.4.4-bin-hadoop2.7 ./run_tests.sh不带任何参数时执行完整测试套件SPARK_HOME指向spark-2.4.4-bin-hadoop2.7这类具体发行版目录版本号仅为示例按你本地实际下载的 Spark 版本填写HYPEROPT_FMIN_SEED3让随机性可复现。2. 只运行单个测试文件hyperopt$ HYPEROPT_FMIN_SEED3 SPARK_HOME/usr/local/lib/spark-2.4.4-bin-hadoop2.7 ./run_tests.sh hyperopt/tests/test_spark.py把目标文件路径作为位置参数传给脚本即可适合迭代式开发时快速验证某一个模块。3. 运行全部单元测试但跳过 Spark 相关用例hyperopt$ HYPEROPT_FMIN_SEED3 ./run_tests.sh --no-spark--no-spark用于排除 Spark 依赖场景当本地没有 Spark 环境、不想启动本地 Spark 集群、或只想快速跑非分布式逻辑时使用。注意此形态下SPARK_HOME已不再需要。4. 跳过 Spark 并只运行单个非 Spark 测试文件hyperopt$ HYPEROPT_FMIN_SEED3 ./run_tests.sh --no-spark test_base.py--no-spark之后的位置参数指定具体文件例如test_base.py对应 hyperopt/tests/test_base.py。四种形态可以归纳为一张参数语义表调用形态参数作用域是否需要 SPARK_HOME./run_tests.sh无全部测试是./run_tests.sh file文件路径仅该文件是./run_tests.sh --no-spark--no-spark全部测试排除 Spark否./run_tests.sh --no-spark file--no-spark 文件路径仅该非 Spark 文件否一个需要注意的路径差异原文档命令写作hyperopt/tests/test_spark.py而当前仓库中该文件实际位于 hyperopt/tests/integration/test_spark.pytest_base.py仍在 hyperopt/tests/test_base.py。按当前仓库结构执行时应使用hyperopt/tests/integration/test_spark.py。当前仓库的现代测试路径uv pytest nox CI直接运行 pytestREADME.md 给出的测试命令是uv run pytest由于 pytest 配置[tool.pytest.ini_options]见 pyproject.toml已排除dist、build、.venv、.nox等目录并从 scipy 内部测试继承了slow、xslow、thread_unsafe三个 marker因此一条uv run pytest即可覆盖全部单测与集成测试前提是已通过uv sync --group dev装好pyspark、pymongo等可选依赖。只跑一个文件等价于原文档的第二种形态uv run pytest hyperopt/tests/integration/test_spark.py # 或非 Spark 文件 uv run pytest hyperopt/tests/test_base.py跳过 Spark 的等价做法是只选择对应路径uv run pytest hyperopt/tests/unit hyperopt/tests/test_base.py多 Python 版本矩阵noxnoxfile.py 以 .github/workflows/test.yml 为“单一事实来源”自动解析 CI 中的 Python 版本矩阵与测试步骤并生成对应 sessionuv run nox # 所有支持的 Python 版本顺序执行 uv run nox -s tests_parallel # 所有版本并行执行 uv run nox -p 3.12 # 只跑某个具体版本CI 中的真实测试流程.github/workflows/test.yml 展示了当前仓库 CI 的实际测试步骤它是原文档“从.travis.yml获取种子/Spark 配置”的现代替代品在 Python 3.10–3.14 矩阵上安装 uvuv sync --group dev安装全部依赖PYSPARK_PIN_THREADtrue uv run pytestpin 线程模式下跑全量测试PYSPARK_PIN_THREADfalse uv run pytest hyperopt/tests/integration/test_spark.py再以非 pin 线程模式单独验证 Spark 插件。PYSPARK_PIN_THREAD控制 PySpark 线程模型两种模式都要覆盖正是 Spark 集成测试的特别之处——这也解释了原文档为何要为 Spark 单独设置SPARK_HOME并允许--no-spark跳过Spark 相关用例对环境最敏感理应可独立开关。测试套件全景unit 与 integration从当前仓库目录结构看测试分为三层目录文件覆盖内容hyperopt/tests/test_base.py基础Trials/状态机等核心逻辑hyperopt/tests/unit/test_anneal.py、test_atpe_basic.py、test_criteria.py、test_domains.py、test_fmin.py、test_ipy.py、test_pchoice.py、test_plotting.py、test_progress.py、test_pyll_utils.py、test_rand.py、test_randint.py、test_rdists.py、test_tpe.py、test_utils.py、test_vectorize.py、test_webpage.py各搜索算法TPE、ATPE、anneal、随机搜索、搜索空间采样、pyll 工具、进度条与绘图等纯 Python 单元逻辑hyperopt/tests/integration/test_mongoexp.py、test_sklearn.py、test_spark.py需要外部运行时MongoDB、scikit-learn、Spark 集群的集成场景原文档中“跑单个非 Spark 文件”的典型对象test_base.py位于最顶层目录是快速冒烟的首选而test_spark.py属于集成测试对应--no-spark所要排除的那一类。Spark 集成测试深入test_spark.py 与 SparkTrials既然原文档围绕SPARK_HOME与test_spark.py展开这里给出该测试文件背后的实现细节方便理解“为什么要单独处理 Spark 测试”。本地集群的拉起方式hyperopt/tests/integration/test_spark.py 中测试基类通过SparkSession.builder.master(flocal[{NUM_SPARK_EXECUTORS}])启动本地集群NUM_SPARK_EXECUTORS 4并顺手把spark.sql.shuffle.partitions调成 4 以加速小测试。这意味着 Spark 集成测试并不依赖外部集群只需pyspark已安装。SparkTrials 的可配置项被测对象SparkTrials定义在 hyperopt/spark.py其构造参数hyperopt/spark.py与原文档配套文档 docs/templates/scaleout/spark.md 一致parallelism最大并发试验数。若为None或非正值将取 SparkdefaultParallelism与 1 的较大者同时受硬上限MAX_CONCURRENT_JOBS_ALLOWED 128约束hyperopt/spark.py 中的_decide_parallelism会打印警告并封顶timeout允许fmin()运行的最大秒数超时后取消未完成任务并返回已有结果loss_threshold提前停止阈值spark_session显式传入SparkSession否则自动getOrCreate()resource_profilestage 级调度资源画像仅当 Spark 版本支持时生效。对应的集成测试逐一验证了这些行为例如以SparkTrials(parallelism4)跑通test_quadratic1_tpe复用 hyperopt/tests/unit/test_fmin.py 的用例见 hyperopt/tests/integration/test_spark.py、验证 parallelism 超过 128 被截断hyperopt/tests/integration/test_spark.py、验证非法timeout如-1、True被validate_timeout拒绝hyperopt/tests/integration/test_spark.py。这些测试正是原文档中./run_tests.sh hyperopt/tests/test_spark.py这条命令实际要执行的内容。注意事项与常见问题脚本与文件路径的版本差异原文档中的run_tests.sh、.travis.yml、download_spark_dependencies.sh在当前仓库快照中已不存在hyperopt/tests/test_spark.py也已迁移到hyperopt/tests/integration/。以当前仓库为准时请使用 .github/workflows/test.yml 与 noxfile.py 描述的流程并注意路径为hyperopt/tests/integration/test_spark.py。SPARK_HOME是否必需原文档要求设置该变量但这属于旧版本地 Spark 发行包的用法当前pyspark/py4j通过 pip 安装即可local[N]模式会自动拉起进程内集群。若使用老脚本或自定义 Spark 安装仍需按原文档配置。HYPEROPT_FMIN_SEED的作用范围它只影响fmin()默认rstate的初始化hyperopt/fmin.py对显式传入rstate的调用不生效测试中若要精确控制随机性更推荐像 hyperopt/tests/integration/test_spark.py 那样直接传入np.random.default_rng(seed)。MongoDB 相关测试test_mongoexp.py属于集成测试需要 MongoDB 可用安装与验证方式见 docs/templates/setup/installation-notes.md。在当前仓库中其路径为hyperopt/tests/integration/test_mongoexp.py且依赖MongoTrials可选组中的pymongo4.0.0。总之原文档给出的四种run_tests.sh形态——全量、单文件、--no-spark、--no-spark 单文件——构成了 Hyperopt 测试的基本操作骨架在理解SPARK_HOME与HYPEROPT_FMIN_SEED语义的基础上将其映射到当前仓库的uv run pytest/ nox / CI 流程即可在任何环境下稳定地复现和验证 Hyperopt 的测试套件。赞分享机器学习AutoML【免费下载链接】hyperoptDistributed Asynchronous Hyperparameter Optimization in Python项目地址https://gitcode.com/gh_mirrors/hy/hyperopt点击查看免费下载相关推荐ESLint 单元测试运行指南从全量测试到单用例调试的完整实践ESLint 单元测试运行指南从全量测试到单用例调试的完整实践 本篇指南以 ESLint 官方贡献文档《Run the Tests》为核心骨架结合仓库内的开发工具Lint静态分析代码质量MXNet Python 包实战指南从安装到运行单元测试的完整流程MXNet Python 包实战指南从安装到运行单元测试的完整流程 导读 本文以仓库 python/README.md https://link.gitcod人工智能深度学习机器学习Detectron2 测试指南单元测试与端到端回归测试的完整运行方法Detectron2 测试指南单元测试与端到端回归测试的完整运行方法 本文是 Detectron2 仓库中 tests/README.md https://l人工智能计算机视觉深度学习机器学习上一篇Easy-Scraper让网页数据采集变得简单高效下一篇如何快速上手harrier-oss-v1-270mSentence Transformers与Transformers双实现教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考