Question

我正在尝试lmfit并使用下面的示例问题。在这个例子中，我只是在系统Ax = y中求解x。这里A是3 * 2阵列，y是3 * 1阵列。我已将所有这些声明为数组。

import numpy as np
from lmfit import minimize, Parameters

A = np.array([1,2,-1,3,-2,5])
A = A.reshape(3,2)
y = np.array([12, 13, 21])

def residual(params, A, y, eps_y=1):
    x = params['x'].value
    y_hat = np.dot(A, x)
    return (y - y_hat)/eps_y

x = np.array([0,0])
params = Parameters()
params.add('x', x)
out = minimize(residual, params, args=(A,y))
print out.value

运行时，我收到一个错误：“ValueError：对象太深，不适合所需的数组”。我在这里和网上发现了类似问题的研究实例。通常，引用的最常见的原因是A，x和y应该是数组而不是矩阵。同样在某些解决方案中，要求x和y保持为具有形状的矢量（len（v），）。上面已经符合这些建议，但我仍然得到“ValueError：对象太深了所需的数组”。

我浪费了相当多的时间来解决这个问题，现在我很难过。对此的任何帮助都将非常受欢迎。

Answer 1

Parameter的文档在这里：

http://newville.github.io/lmfit-py/parameters.html#Parameter

它明确指出参数的值必须是数值，而不是任何类型的array。所以不要这样做：

x = np.array([0,0])
params.add('x', x)

做的：

params.add('x0', 0)
params.add('x1', 0)

然后将残差函数更改为：

def residual(params, A, y, eps_y=1):
    x0 = params['x0'].value
    x1 = params['x1'].value
    y_hat = np.dot(A, [x0, x1])
    return (y - y_hat)/eps_y

python lmfit“对象太深了所需的数组”

1 个答案: