没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
ForwardDiff.jl ForwardDiff使用正向模式自动微分(AD)实现方法以获取本机Julia函数(或实际上是任何可调用对象)的导数,渐变, Jacobian , Hessian和高阶导数。 尽管性能可能会因您评估的功能而异,但是ForwardDiff实施的算法在速度和准确性方面通常都优于非AD算法。 这是一个简单的示例,显示了运行中的包: julia > using ForwardDiff julia > f (x :: Vector ) = sum (sin, x) + prod (tan, x) * sum (sqrt, x); julia > x = rand (
资源推荐
资源详情
资源评论
收起资源包目录
ForwardDiff_jl-master.zip (50个子文件)
ForwardDiff.jl-master
.github
workflows
CompatHelper.yml 606B
ci.yml 2KB
TagBot.yml 362B
benchmarks
py
algopy_benchmarks.py 1KB
autograd_benchmarks.py 1KB
cpp
dual2.cpp 1KB
dual1.cpp 1KB
benchmarks.h 7KB
benchmarks.cpp 6KB
dual3.cpp 2KB
dual4.cpp 2KB
Makefile 108B
dual5.cpp 2KB
.gitignore 11B
benchmarks.jl 2KB
src
partials.jl 8KB
dual.jl 21KB
config.jl 9KB
ForwardDiff.jl 455B
jacobian.jl 11KB
prelude.jl 2KB
hessian.jl 4KB
gradient.jl 6KB
derivative.jl 3KB
apiutils.jl 3KB
Project.toml 1KB
test
DualTest.jl 24KB
runtests.jl 1KB
MiscTest.jl 5KB
AllocationsTest.jl 882B
utils.jl 554B
GradientTest.jl 6KB
SIMDTest.jl 3KB
PartialsTest.jl 5KB
ConfusionTest.jl 2KB
HessianTest.jl 6KB
JacobianTest.jl 8KB
DerivativeTest.jl 3KB
LICENSE.md 1KB
README.md 2KB
docs
src
index.md 1KB
user
limitations.md 1KB
api.md 2KB
advanced.md 9KB
upgrade.md 3KB
dev
contributing.md 1KB
how_it_works.md 5KB
Project.toml 112B
make.jl 747B
.gitignore 97B
共 50 条
- 1
资源评论
荒腔走兽
- 粉丝: 23
- 资源: 4663
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功