如何使用scipy.optimize.minimize函數來計算漸變以及目標函數？

scipy.optimize.minimze以obj和jac作爲輸入。我相信它會在需要的時候分開打電話給他們。但是我們經常會遇到目標函數，其梯度計算與目標函數共享大量計算。所以理想情況下，我想同時計算obj和grad。但是這個庫似乎不是這種情況？如果仍然想要使用scipy.optimize.minimze，那麼處理它的方法是什麼？如何使用scipy.optimize.minimize函數來計算漸變以及目標函數？

來源

2016-06-09 Harit Vishwakarma

你完全可以。只需使用jac=True：

In [1]: import numpy as np 

In [2]: from scipy.optimize import minimize 

In [3]: def f_and_grad(x): 
    ...:  return x**2, 2*x 
    ...: 

In [4]: minimize(f_and_grad, [1], jac=True) 
Out[4]: 
     fun: 1.8367099231598242e-40 
hess_inv: array([[ 0.5]]) 
     jac: array([ 2.71050543e-20]) 
    message: 'Optimization terminated successfully.' 
    nfev: 4 
     nit: 2 
    njev: 4 
    status: 0 
    success: True 
     x: array([ 1.35525272e-20])

它實際上documented：

江淮汽車：BOOL或可調用，可選的雅可比（梯度）目標功能。只用於CG，BFGS，Newton-CG，L-BFGS-B，TNC，SLSQP，狗腿， trust-ncg。 如果jac是一個布爾值並且爲真，則假定有趣的是返回梯度以及目標函數。如果爲假，則會根據數字估計梯度。 jac也可以是可調用的返回目標的梯度。在這種情況下，它必須接受相同的參數。

（重點煤礦）

來源

2016-06-09 20:14:35

感謝您指出了這一點！從文檔/示例中不是很明顯，我覺得應該給出這個功能的重要性。 – velocirabbit

如何使用scipy.optimize.minimize函數來計算漸變以及目標函數？

回答

相關問題