我有一个问题，它由大约6个数学表达式组成-即[f（g（z（y（x））））），其中x是两个独立的数组。
我可以将此表达式分为带有解析导数的多个显式comp，或使用算法微分方法来获得将系统简化为单个显式成分的导数。
据我所知，要事先说出这两种方法之间可能的计算性能差异并不容易。 它可能取决于反向模式情况下的算法差异化工具功能，但也许系统将非常庞大，具有多个显式组件，因此仍然可以使用算法差异。
我的问题是：
是算法差异。开发人员/用户所使用的通用工具？ 我找到了AlgoPY，但不确定其他python工具。
答案 0 :(得分：1)
从OpenMDAO v2.4开始，OpenMDAO开发团队尚未在任何纯python组件上大量使用AD工具。我们对其进行了一些试验，发现计算量和手动差分量大约增加了2倍。尽管预计会增加一些计算成本，但我不想指出我希望2x是最终的经验法则。我们只是没有足够的数据来提供这样的估计。
与编译语言相比，基于Python的AD工具开发得不够完善。动态类型和通用语言的灵活性都使编写好的广告工具更具挑战性。
我们已将OpenMDAO与使用AD的已编译代码（例如CFD和FEA工具）相连接。在这些情况下，您始终会为OpenMDAO使用无矩阵派生API（apply_linear和compute_jacvec_product）。
如果您的组件足够小以适合内存，并且足够快以在单个进程上运行，则建议您手动区分代码。这将为您提供目前最佳的整体性能。
我们将在将来寻求对小型串行组件的AD支持，但是在短期内（从OpenMDAO v2.4开始）我们将无法为您提供任何支持