Question

我有一个接受多变量参数x的函数。这里x = [x1，x2，x3]。让我们说我的功能如下： f（x，T）= np.dot（x，T）+ np.exp（np.dot（x，T）其中T是常数。

我有兴趣找到df / dx1，df / dx2和df / dx3函数。

我使用scipy diff取得了一些成功，但我有点怀疑，因为它使用了数值差异。昨天，我的同事把我指向了Autograd (github)。由于它似乎是一个受欢迎的软件包，我希望有人知道如何使用这个软件包进行部分区分。我对这个库的初步测试表明，grad函数只对第一个参数进行区分。我不知道如何将其扩展到其他参数。任何帮助将不胜感激。

感谢。

Answer 1

我在autograd源代码中找到了grad函数的以下描述：

def grad(fun, x)
"Returns a function which computes the gradient of `fun` with
respect to positional argument number `argnum`. The returned
function takes the same arguments as `fun`, but returns the
gradient instead. The function `fun`should be scalar-valued. The
gradient has the same type as the argument."

所以

def h(x,t):
    return np.dot(x,t) + np.exp(np.dot(x,t))
h_x = grad(h,0) # derivative with respect to x
h_t = grad(h,1) # derivative with respect to t

还要确保使用autograd附带的numpy libaray

import autograd.numpy as np

而不是

import numpy as np

以便使用所有numpy函数。

使用Autograd的部分导数

1 个答案: