Python+NumPy的自动区分库。
auto-diff的Python项目详细描述
自动差异
Python+NumPy的自动区分库
如何使用
API有五个公共元素：
- 在
在AutoDiff是上下文管理器，必须使用with语句输入。__enter__方法返回必须用于的x的新版本，而不是作为参数传递给AutoDiff构造函数的x。在 - 在
在value，jacobian，get_value_and_jacobian，这些函数必须是 在AutoDiff上下文中调用，从 因变量。在 - 在
{{wrt}作为不同的变量返回到cd1}方法中。在
在
如果使用get_value_and_jacobian，x必须是二维列向量，并且
必须为派生分析的值也必须是二维列
矢量。在大多数情况下，如何转换成雅可比矩阵
不明显。如果你想处理这些案件，请参阅
例子。在
auto_diff还支持使用稀疏矩阵代替ndarray来存储雅可比矩阵。
简单地使用SparseAutoDiff上下文管理器，而不是AutoDiff。
另外，如果使用SparseAutoDiff，则需要验证代码和非NumPy依赖项是否对浮点向量使用np.ndarray构造函数。
如果使用SparseAutoDiff、get_value_and_jacobian、jacobian、和{
示例
importauto_diffimportnumpyasnp# Define a function f# f can have other arguments, if they are constant wrt x# Define the input vector, xwithauto_diff.AutoDiff(x)asx:f_eval=f(x,u)y,Jf=auto_diff.get_value_and_jacobian(f_eval)# y is the value of f(x, u) and Jf is the Jacobian of f with respect to x.
如果你需要x和u的Jacobian wrt
^{pr2}$最后，如果f和{SparseAutoDiff来节省内存。在
withauto_diff.SparseAutoDiff(x,u)as(x,u):f_eval=f(x,u)y,(Jfx,Jfu)=auto_diff.get_value_and_jacobians(f_eval)# y is the value of f(x, u), Jfx is the Jacobian of f with respect to x, and# Jfu is the Jacobian of f with respect to u.# Jfx and Jfu are instances of scipy.sparse.lil_matrix.
我们还可以将函数与任意形状的numpy数组区分开来
任意形状的输出。让y = f(x)，其中x是一个numpy形状数组
x.shape，而{f。在
然后，我们可以通过访问
崩溃、错误报告和反馈：
电子邮件 现在缺少一些功能。我正在处理，请随时给我发邮件
如果你想优先考虑某件事。在 可能需要NumPy>；=1.17的版本。老版本上的错误总是
提出了错误，所以不必担心。在 作者：Parth Nobel（Github:/PTNobel，parthnobel@berkeley.edu）
版本：0.3 标签： 欢迎加入QQ群-->： 979659372
y.der。这表示y的每个分量相对于
^{importauto_diffimportnumpyasnpx=np.array([[np.pi],[3.0],[17.0]])withauto_diff.AutoDiff(x)asx:print(np.linalg.norm(x).der)
限制
from numpy import ...，其中...要么是{parthnobel@berkeley.edu先决条件
推荐PyPI第三方库
