scipy.optimize.

rosen_hess#

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

Die Hesse-Matrix der Rosenbrock-Funktion.

Parameter:

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

Rückgabe:

rosen_hessndarray: Die Hesse-Matrix der Rosenbrock-Funktion an der Stelle x.

Siehe auch

rosen, rosen_der, rosen_hess_prod

Hinweise

rosen_hess unterstützt experimentell Python Array API Standard-kompatible Backends zusätzlich zu NumPy. Bitte testen Sie diese Funktionen, 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_hess
>>> X = 0.1 * np.arange(4)
>>> rosen_hess(X)
array([[-38.,   0.,   0.,   0.],
       [  0., 134., -40.,   0.],
       [  0., -40., 130., -80.],
       [  0.,   0., -80., 200.]])