Question

我在使用Julia中的ForwardDiff包时遇到了一些麻烦。我设法在下面的代码块中隔离了我的问题。

简而言之，我定义了函数：

using ForwardDiff

function likelihood(mu,X)

  N = size(X,2)

  # Calculate likelihood
  aux = zeros(N)
  for nn=1:N
    aux[nn] = exp(-0.5 * (X[:,nn]-mu)' *  (X[:,nn]-mu))[1]
  end

  # return log-likelihood
  return sum(log(aux))

end

然后检查该功能是否有效：

# Check if function works at all
X = randn(2,3) # some random data
mu = [1.0;2.0] # arbitrary mean
@show likelihood(mu,X) # works fine for me

然后我尝试使用以下方法获取渐变：

ForwardDiff.gradient( ARG -> likelihood(ARG, X), mu)

不幸的是，这失败了，我在屏幕上看到了：

错误：MethodError：convert没有方法匹配   convert（:: Type {Float64}，:: ForwardDiff.Dual {2，Float64}）这可能有   由于类型的调用而产生于对构造函数Float64（...）的调用   构造函数回退转换方法。最接近的候选人是：
  call {T＆lt ;: AbstractFloat}（:: Type {T＆lt ;: AbstractFloat}，:: Real，   :: RoundingMode {T}）调用{T}（:: Type {T}，:: Any）
  转换（:: Type {Float64}，:: Int8）...可能性为无：10英寸   无人匿名：1

我做错了什么？提前谢谢。

Answer 1

我刚刚被告知这是我身上的一个不小心的错误，虽然有点难以找到未经训练的眼睛。

错误是调用零：

aux = zeros(N)

将此更改为

aux = zeros(eltype(mu),N)

解决了这个问题。希望这对其他人有用。

使用Julia中的ForwardDiff自动区分

1 个答案: