JuliaDiff/FiniteDiff.jl

Fast non-allocating calculations of gradients, Jacobians, and Hessians with sparsity support

解决什么问题

当您需要导数、梯度、雅可比矩阵或海森矩阵,但没有解析公式时,此包可以数值计算它们。它专为速度和内存效率而设计,尤其适用于基于数组的计算和稀疏结构。

工作原理

该库使用有限差分来近似导数。它提供两种模式:直接函数调用适合一次性快速计算,基于缓存的版本可避免在多次重复计算导数时进行分配。它支持可变数组(非分配形式)和静态数组(非变异形式)。对于稀疏雅可比矩阵,它使用染色向量在单次函数调用中计算多个方向导数,从而减少评估次数。该包设计为在可行的情况下可在 GPU 上运行。

适用人群

面向从事科学计算、优化、机器学习或任何需要数值导数的领域的 Julia 开发者。特别适合那些需要在数组和稀疏雅可比矩阵上进行快速、低分配计算的人。

亮点

  • 完全非分配的可变形式,支持快速数组处理
  • 完全非变异的静态数组支持形式
  • 用于高效计算稀疏雅可比矩阵的染色向量
  • 在有限差分的可行范围内支持 GPU

相关

  • 项目
  • 项目
  • 项目
  • 项目