JuliaDiff/DifferentiationInterface.jl

解決的問題

在 Julia 中使用自動微分（AD）時，無需撰寫特定後端的程式碼。開發者無需學習並實作每個 AD 庫的不同 API，而是可以使用單一、統一的語法，在各種後端之間計算微分。

作用方式

它作為一個抽象層（介面），將一組共通指令對應到支援的 AD 後端的特定 API。支援一階與二階運算子（如梯度、雅可比矩陣與海森矩陣），處理就地與非就地微分，並包含預先配置快取或記錄計算圖的機制，以優化效能。它也整合稀疏性處理，並提供驗證工具，確保不同後端之間輸出的一致性。

適用對象

需要執行自動微分，並希望在不同 AD 後端（例如 Zygote、ForwardDiff、Enzyme）之間靈活切換，而無需重寫核心邏輯的 Julia 生態系統中的研究人員與開發者。

主要特色

• 統一語法：支援 Zygote、ForwardDiff 和 Enzyme 等多個 AD 後端的單一 API。
• 全面的運算子支援：支援梯度、雅可比矩陣與海森矩陣。
• 效能最佳化：包含預先配置快取或記錄計算圖的準備機制。
• 稀疏性支援：內建稀疏微分處理。
• 驗證工具：透過 DifferentiationInterfaceTest 提供測試與基準測試工具。