高效计算NumPy代码的导数。
项目描述
Autograd 
Autograd 可以自动微分原生的 Python 和 Numpy 代码。它可以处理 Python 的大多数特性，包括循环、条件语句、递归和闭包，甚至可以对多级导数进行微分。它支持反向模式微分（也称为反向传播），这意味着它可以有效地计算标量值函数相对于数组值参数的梯度，以及正向模式微分，这两种模式可以任意组合。Autograd 的主要应用是梯度优化。更多信息请参阅 教程 和 示例目录。
示例使用
>>> import autograd.numpy as np # Thinly-wrapped numpy
>>> from autograd import grad # The only autograd function you may ever need
>>>
>>> def tanh(x): # Define a function
... y = np.exp(-2.0 * x)
... return (1.0 - y) / (1.0 + y)
...
>>> grad_tanh = grad(tanh) # Obtain its gradient function
>>> grad_tanh(1.0) # Evaluate the gradient at x = 1.0
0.41997434161402603
>>> (tanh(1.0001) - tanh(0.9999)) / 0.0002 # Compare to finite differences
0.41997434264973155
我们可以无限次地进行微分，并使用 numpy 在许多不同的输入值上对标量值函数进行向量化
>>> from autograd import elementwise_grad as egrad # for functions that vectorize over inputs
>>> import matplotlib.pyplot as plt
>>> x = np.linspace(-7, 7, 200)
>>> plt.plot(x, tanh(x),
... x, egrad(tanh)(x), # first derivative
... x, egrad(egrad(tanh))(x), # second derivative
... x, egrad(egrad(egrad(tanh)))(x), # third derivative
... x, egrad(egrad(egrad(egrad(tanh))))(x), # fourth derivative
... x, egrad(egrad(egrad(egrad(egrad(tanh)))))(x), # fifth derivative
... x, egrad(egrad(egrad(egrad(egrad(egrad(tanh))))))(x)) # sixth derivative
>>> plt.show()
请参阅 tanh 示例文件 中的代码。
文档
您可以在 此处 找到教程。
端到端示例
如何安装
使用 Pip 安装 Autograd
pip install autograd
某些功能需要 SciPy，您可以单独安装或与 Autograd 一起作为可选依赖项安装
pip install "autograd[scipy]"
作者和维护者
Autograd 由 Dougal Maclaurin、David Duvenaud、Matt Johnson、Jamie Townsend 以及许多其他贡献者编写。该软件包目前由 Agriya Khetarpal、Fabian Joswig 和 Jamie Townsend 维护。请随时提交任何错误或功能请求。我们也想了解您使用 Autograd 的整体体验。请给我们发电子邮件！
我们要感谢 Jasper Snoek 和 HIPS 团队（由 Ryan P. Adams 教授领导）的有益贡献和建议；Barak Pearlmutter 在自动微分的基础性工作和实施指导方面；以及 Analog Devices Inc.（Lyric Labs）和 Samsung Advanced Institute of Technology 对其慷慨的支持。
下载文件
下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。