JuliaDiff/DifferentiationInterface.jl

解决的问题

在 Julia 中使用自动微分（AD）时，无需编写特定于后端的代码。开发者无需学习和实现每个 AD 库的不同 API，而是可以使用单一、统一的语法，在各种后端之间计算导数。

工作原理

它作为一个抽象层（接口），将一组通用命令映射到支持的 AD 后端的特定 API。支持一阶和二阶算子（如梯度、雅可比矩阵和海森矩阵），处理就地和非就地微分，并包含用于预分配缓存或记录计算图的机制，以优化性能。它还集成稀疏性处理，并提供验证工具，确保不同后端之间输出的一致性。

适用人群

需要执行自动微分，并希望在不同 AD 后端（如 Zygote、ForwardDiff、Enzyme）之间灵活切换，而无需重写核心逻辑的 Julia 生态系统中的研究人员和开发者。

主要亮点

• 统一语法：支持 Zygote、ForwardDiff 和 Enzyme 等多个 AD 后端的单一 API。
• 全面的算子支持：支持梯度、雅可比矩阵和海森矩阵。
• 性能优化：包含用于预分配缓存或记录计算图的准备机制。
• 稀疏性支持：内置稀疏微分处理。
• 验证工具：通过 DifferentiationInterfaceTest 提供测试和基准测试工具。