我想配置Stanford Core NLP Lib中的QN-Minimizer，以获得与scipy optimize L-BFGS-B实现几乎相似的优化结果，或者获得一个适用于大多数情况的标准L-BFGS配置。我设置了以下标准参数：

我想复制的Python示例：

scipy.optimize.minimize(neuralNetworkCost, input_theta, method = 'L-BFGS-B', jac = True)

我在Java中尝试做同样的事情：

QNMinimizer qn = new QNMinimizer(10,true) ;qn.terminateOnMaxItr(batch_iterations);//qn.setM(10);output = qn.minimize(neuralNetworkCost, 1e-5, input,15000);

我需要的是一个坚实且通用的L-BFGS配置，适用于解决大多数问题。

我也不确定是否需要为标准L-BFGS配置设置以下这些参数：

useAveImprovement = ?;useRelativeNorm = ?;useNumericalZero = ?;useEvalImprovement = ?; 

感谢您的提前帮助，我在这个领域是新手。

信息资源：Stanford Core NLP QNMinimizer:http://nlp.stanford.edu/nlp/javadoc/javanlp-3.5.2/edu/stanford/nlp/optimization/QNMinimizer.html#setM-int-https://github.com/stanfordnlp/CoreNLP/blob/master/src/edu/stanford/nlp/optimization/QNMinimizer.java

Scipy Optimize L-BFGS-B:http://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.minimize.htmlhttp://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.optimize.fmin_l_bfgs_b.html

提前感谢！

回答：

您现在的配置应该没问题。（您实际上遇到过什么问题吗？）

同时设置最大迭代次数和最大函数评估次数来终止可能是多余的，所以您可以省略qn.minimize()的最后一个参数，但根据文档，scipy默认使用这两个参数，值为15000。

一般来说，使用robustOptions（如您所做的，第二个参数为true）应该能提供一个可靠的优化器，类似于scipy的pgtol收敛标准。其它选项适用于特殊情况，或者只是为了试验它们的效果。