scipy.optimize.

rosen_der#

scipy.optimize.rosen_der(x)[Quelle]#

Die Ableitung (d.h. der Gradient) der Rosenbrock-Funktion.

Parameter:

xarray_like: 1-D-Array von Punkten, an denen die Ableitung berechnet werden soll.

Rückgabe:

rosen_der(N,) ndarray: Der Gradient der Rosenbrock-Funktion an der Stelle x.

Siehe auch

rosen, rosen_hess, rosen_hess_prod

Hinweise

rosen_der unterstützt experimentell Python Array API Standard-kompatible Backends zusätzlich zu NumPy. Bitte erwägen Sie, diese Funktionen zu testen, indem Sie die Umgebungsvariable SCIPY_ARRAY_API=1 setzen und CuPy-, PyTorch-, JAX- oder Dask-Arrays als Array-Argumente übergeben. Die folgenden Kombinationen von Backend und Gerät (oder anderer Fähigkeit) werden unterstützt.

Bibliothek	CPU	GPU
NumPy	✅	n/a
CuPy	n/a	✅
PyTorch	✅	✅
JAX	⛔	⛔
Dask	✅	n/a

Siehe Unterstützung für den Array API Standard für weitere Informationen.

Beispiele

>>> import numpy as np
>>> from scipy.optimize import rosen_der
>>> X = 0.1 * np.arange(9)
>>> rosen_der(X)
array([ -2. ,  10.6,  15.6,  13.4,   6.4,  -3. , -12.4, -19.4,  62. ])