Ampliar una población de redes neuronales suele exigir más copias de sus pesos. Los cambios de EvoX del 7–8 de julio de 2026 toman otra vía: VirtualES guarda un centro de parámetros compartido y una semilla aleatoria por candidato, y reconstruye las diferencias durante la evaluación. Así se puede reconsiderar cuánta diversidad cabe antes de que los parámetros agoten la memoria.
Ilustración conceptual: un centro compartido, múltiples candidatos reconstruibles.
Guardar la receta de un candidato
Con P candidatos de D parámetros, el almacenamiento explícito crece como P × D. La representación con centro y semillas utiliza aproximadamente D + P elementos. La comparación corresponde a los parámetros de la población; activaciones, estado del optimizador y búferes de evaluación también consumen memoria. Implementación de VirtualES
VirtualES envía (center, seeds, sigma) al flujo de trabajo. VirtualProblem evalúa cada capa con una operación Triton fusionada que combina el cálculo lineal base y las perturbaciones de pesos y sesgos generadas con las semillas. La aptitud guía la actualización del centro. Las perturbaciones gaussianas completas sustituyen a la anterior formulación LoRA de bajo rango. Implementación de la evaluación
Conservar la información de cada candidato
El punto de partida compatible es una red nn.Sequential con capas lineales y las activaciones documentadas. Configura la pérdida con reduction='none' para que VirtualProblem agregue las pérdidas de cada candidato por separado. Una pérdida escalar se extendería a toda la población y borraría esa distinción. Esta pequeña elección de interfaz afecta a la búsqueda.
La ruta virtual omite la evaluación distribuida y las transformaciones de soluciones; VirtualProblem tampoco admite el wrapper HPO. Comprueba estos límites antes de adaptar un experimento. Integración en el flujo
Medir las posibilidades de la representación
Empieza con una red compatible y varía la población, registrando memoria máxima, tiempo de evaluación y aptitud con un presupuesto de evaluación fijo. Así distinguirás el ahorro de almacenamiento del coste de regenerar ruido y procesar activaciones. Los cambios de julio incluyen una corrección de compilación Triton para la función auxiliar de ruido.
La guía de inicio explica la estructura experimental de EvoX. VirtualES permite plantear una pregunta concreta: ¿cómo cambia tu experimento con una población mayor cuando almacenar todos sus pesos deja de ser un requisito?