如何使用Flux.jl绘制函数及其梯度/导数

时间:2019-08-24 16:17:31

标签: types julia gradient flux-machine-learning

我想使用Flux.jlPlots.jl绘制函数及其梯度

using Flux.Tracker
using Plots

f(x::Float64) = 3x^2 + 2x + 1
df(x::Float64) = Tracker.gradient(f, x)[1]
d2f(x::Float64) = Tracker.gradient(df, x)[1]

plot([f], -2, 2)
plot!([df], -2, 2)

我得到:

ERROR: LoadError: MethodError: no method matching Float64(::Flux.Tracker.TrackedReal{Float64})
Closest candidates are:
  Float64(::Real, ::RoundingMode) where T<:AbstractFloat at rounding.jl:194
  Float64(::T<:Number) where T<:Number at boot.jl:741
  Float64(::Int8) at float.jl:60

因此,我想这个想法是将Flux.Tracker.TrackedReal{Float64}转换为Float64。我该怎么办?

1 个答案:

答案 0 :(得分:2)

您可以使用以下内容(在Flux 0.8.3中):

f(x::Float64) = 3x^2 + 2x + 1
df(x::Float64) = Tracker.data(Tracker.gradient(f, x, nest=true)[1])
d2f(x::Float64) = Tracker.data(Tracker.gradient(df, x, nest=true)[1])