Her iterasyonda tahmini degradenin değerini yazdırmak için scipy.optimize.minimize almanın bir yolu var mı? Bunu, bilgisayarımdaki analitik gradyanın değeriyle karşılaştırmak istiyorum.SciPy Küçült: Sonlu farkın değerini nasıl yazdırabilirim?
çeşitli yöntemler sayısal tahminini (scipy.optimize.optimize._approx_fprime_helper) yapmak için dahili olarak kullanmak fonksiyonuyla birlikte her tekrardan sonra çağrılan scipy.optimize.minimize, bir callback fonksiyonunu sağlayabilmektedir. Örnek olarak rosen fonksiyonunu kullanma: iyileştirici kaynak koduna kazmak ise _approx_fprime_helper denir nerede göreceğiniz
exact: [-2.11963396 1.84037029 1.84037037 2.00372223 -0.08167787]
approx: [-2.11963398 1.84037128 1.84037137 2.00372323 -0.08167684]
-----
exact: [-2.09674976 0.65207886 0.77546647 0.73540194 0.02017962]
approx: [-2.0967498 0.65207981 0.77546742 0.73540298 0.02018057]
-----
exact: [-1.89973856 -1.67615541 -0.88726966 -1.04665196 0.08082156]
approx: [-1.8997385 -1.67615442 -0.88726866 -1.04665099 0.08082255]
-----
exact: [ 0.71591999 -7.99959011 -2.81299766 -3.18692904 0.18447144]
approx: [ 0.71592021 -7.99958908 -2.81299664 -3.18692805 0.18447244]
-----
:
import numpy as np
from scipy.optimize import rosen, rosen_der, minimize
from scipy.optimize.optimize import _approx_fprime_helper
def callback(x):
print 'exact: ', rosen_der(x)
print 'approx: ', _approx_fprime_helper(x, rosen, 1E-8)
print '-----'
x0 = np.zeros(5)
res = minimize(rosen, x0, method='L-BFGS-B', callback=callback)
Bu, böyle bir şey verecekti. Burada tanımladı:
https://github.com/scipy/scipy/blob/master/scipy/optimize/optimize.py#L601
Eğer _approx_fprime_helper geçmek ne minimize çağrısında tanımlanan eps değerine uygun olduğundan emin olun.