hp.process参数和返回值定义

`hp.process()` 函数的参数和返回值定义如下：

**参数：**

- `fn`：一个 Python 可调用对象，表示目标函数。该函数应该接受一个参数 `params`，其中包含要优化的超参数，并返回一个浮点数值，表示在这些超参数下目标函数的值。其定义为：`fn(params) -> loss`，其中 `params` 是一个字典，包含要优化的超参数，`loss` 是一个浮点数值，表示在这些超参数下的目标函数值。
- `space`：一个 Hyperopt 中的 Pyll 表达式，表示一个（可能是条件的）超参数空间，用于优化。例如，可以使用 `hp.uniform()` 定义一个连续的均匀分布超参数空间。
- `algo`：一个搜索算法对象，定义了搜索策略。该算法应该有一个 `suggest` 方法，它接受一个 `trials` 参数，返回一组要评估的超参数。
- `max_evals`：最大评估次数。当评估次数达到该值时，将停止优化过程。
- `trials`：一个 `Trials` 对象，用于存储每个评估的详细信息，并提供与 Hyperopt 进行交互的界面。
- `rstate`：一个 numpy 的 `RandomState` 实例，用于执行随机采样。
- `verbose`：控制输出信息的详细程度。默认值为 0，表示不输出任何信息；1 表示只输出状态更新；2 表示输出状态和结果。
- `catch_eval_exceptions`：如果为 True，则捕获由目标函数 `fn` 抛出的异常，并在相应的评估记录中存储异常信息。
- `return_argmin`：如果为 True，则返回最优点的超参数。否则，返回每个评估点的超参数和对应的值。

**返回值：**

函数的返回值可以是最优点的超参数（如果 `return_argmin` 为 `True`），或者每个评估点的超参数和对应的值（如果 `return_argmin` 为 `False`）。如果 `catch_eval_exceptions` 为 True，则可能会在返回值中包含有关每个评估记录中出现的异常的信息。具体而言，如果 `return_argmin` 为 True，则返回一个字典，表示最优点的超参数和目标函数值，例如：

{'loss': 0.12345, 'status': 'ok', 'params': {'x': 0.67890, 'y': 1.23456}}

其中，`loss` 表示在最优点下的目标函数值，`params` 表示最优点的超参数。如果 `return_argmin` 为 False，则返回一个列表，其中每个元素都是一个字典，表示每个评估点的超参数和目标函数值。

如果 `catch_eval_exceptions` 为 True，则还可能包含有关每个评估记录中出现的异常的信息，例如：

{'status': 'fail', 'misc': {'exception': {'traceback': '...', 'type': 'SomeError', 'message': '...'}}}

其中，`status` 表示评估状态，`misc` 表示其他信息。如果评估过程中出现了异常，则 `misc` 中将包含一个 `exception` 字段，其中包含有关异常的信息，例如 `traceback`、`type` 和 `message`。