[英]Python: Gradient of matrix function
我想计算以下函数的梯度h(x)= 0.5 xT * A * x + bT + x。
现在,我将A设置为(2,2)矩阵。
def function(x):
return 0.5 * np.dot(np.dot(np.transpose(x), A), x) + np.dot(np.transpose(b), x)
哪里
A = A = np.zeros((2, 2))
n = A.shape[0]
A[range(n), range(n)] = 1
主对角线为1且(2,2)的矩阵
b = np.ones(2)
对于给定的点x =(1,1)numpy.gradient返回一个空列表。
x = np.ones(2)
result = np.gradient(function(x))
但是我不应该得到这样的东西:grad(f((1,1))=(x1 + 1,x2 + 1)=(2,2)。
感谢任何帮助。
似乎您要执行符号区分或np.gradient
不执行的自动区分。 sympy
是用于符号数学的软件包,而autograd
是用于对numpy进行自动微分的软件包。 例如,使用autograd
可以做到这autograd
:
import autograd.numpy as np
from autograd import grad
def function(x):
return 0.5 * np.dot(np.dot(np.transpose(x), A), x) + np.dot(np.transpose(b), x)
A = A = np.zeros((2, 2))
n = A.shape[0]
A[range(n), range(n)] = 1
b = np.ones(2)
x = np.ones(2)
grad(function)(x)
输出:
array([2., 2.])
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.