후보 평가가 탐색 비용의 대부분이라면 이 작업을 분담해 더 큰 실험을 위한 여유를 만들 수 있습니다. 2025년 4월 23일 EvoX 실험적 가이드는 같은 해 3월 도입된 경로를 설명합니다. 집단을 프로세스별로 나누고 알고리즘 갱신 전에 적합도를 모읍니다.
평가를 나누고 집단 피드백을 모읍니다.
평가를 나누고 피드백을 합칩니다
StdWorkflow에 분산 실행 옵션을 추가했습니다. 평가 시 후보 차원을 따라 개체군을 프로세스 rank별로 나눕니다. 각 프로세스가 할당된 후보를 평가한 뒤 적합도를 수집·연결해 알고리즘의 갱신 경로로 돌려줍니다. StdWorkflow
이는 조율된 워크플로 안의 분산 평가입니다. 별도 머신에서 독립적인 탐색을 수행하고 최종 답을 비교하는 방식과 다릅니다. 비용이 큰 시뮬레이션이나 목적 함수가 적합한 사례일 수 있지만, 할당된 후보 배치를 평가할 수 있고 실행 환경이 올바르게 설정되어야 합니다.
재현성도 설정의 일부입니다
가이드는 Torch나 NumPy 연산 전에 난수 시드를 설정하도록 강조하며 torch.distributed 또는 torchrun으로 프로세스를 시작하는 방법을 설명합니다. 구현은 문제 평가 주변에서 난수 생성기 상태를 격리합니다. 서로 다른 후보를 평가하면서 호환되는 탐색 상태를 유지하려면 일관된 초기화가 중요합니다. 2025-04-23
전체 세대를 측정해야 합니다
같은 목적 함수, 시드와 집단 예산으로 단일 프로세스 기준과 분산 실행을 비교하세요. 통신을 포함한 한 세대 전체 시간을 기록하고 후보와 적합도의 순서 대응을 확인하세요. 빠른 시작에서 워크플로를 먼저 구성한 뒤 장치를 추가할 수 있습니다.