一个简单的纯python算法微分包
pyADiff的Python项目详细描述
pyADiff：一个简单的纯python算法微分包
pyADiff是一个非常基本的算法微分包，它实现正向和伴随/反向模式微分。如果您正在寻找一个功能齐全、速度更快的库，可以看看google/jax、autograd或{a4}（或更多），但是如果您对一个能够快速“查看引擎盖下”的包感兴趣，您可能就在这里。在
动机
我开始这个项目的动机来自于听诺曼教授在RWTH Aachen University的讲座"Computational Differentiation"时的好奇心。所以基本上，我试图通过自己的实践来理解讲座中的概念。最后，我（肯定地）对结果感到惊讶，并决定将其打包到一个python包中。另外，这给了我一个机会来学习python的打包、分发、文档。。。在
基本用途
假设我们要计算函数的梯度
f(x₀, x₁) = 2 x₀ x₁².
这是一个相当简单的任务，因为通过简单的微积分，梯度是：
∇f(x₀, x₁) = (2 x₁², 4 x₀ x₁)
然而，我们用这个例子来说明pyADiff的用法。在
importpyADiffasad# define the function fdeff(x):return2.*x[0]*x[1]**2.# call the gradient function of pyADiffdf=ad.gradient(f)x=[0.5,2.0]# Call the function f and the gradient function dfy=f(x)dy=df(x)print("f({}) = {}".format(x,y))# prints f([0.5, 2.0]) = 4.0print("f'({}) = {}".format(x,dy))# prints f'([0.5, 2.0]) = [8. 4.]
对应于解析梯度的计算。在
∇f(0.5, 2) = (2*2², 4*0.5*2) = (8, 4)
有关更复杂的示例，请参见Documentation或查看.ipynb notebooks
安装
使用pip
安装TODO
源安装
这将克隆存储库并使用setup.py脚本安装pyADiff包。在
文件
参考文献
算法微分：
- 乌韦·诺曼，讲座计算微分学，RWTH亚琛
- 项目
标签：
欢迎加入QQ群-->： 979659372
