scipy.optimize.

rosen_hess_prod#

scipy.optimize.rosen_hess_prod(x, p)[Quelle]#

Produkt der Hesse-Matrix der Rosenbrock-Funktion mit einem Vektor.

Parameter:

xarray_like: 1D-Array von Punkten, an denen die Hesse-Matrix berechnet werden soll.
parray_like: 1D-Array, der Vektor, mit dem die Hesse-Matrix multipliziert werden soll.

Rückgabe:

rosen_hess_prodndarray: Die Hesse-Matrix der Rosenbrock-Funktion an der Stelle x, multipliziert mit dem Vektor p.

Siehe auch

rosen, rosen_der, rosen_hess

Hinweise

rosen_hess_prod hat experimentelle Unterstützung für 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 aus Backend und Gerät (oder anderen Fähigkeiten) 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_prod
>>> X = 0.1 * np.arange(9)
>>> p = 0.5 * np.arange(9)
>>> rosen_hess_prod(X, p)
array([  -0.,   27.,  -10.,  -95., -192., -265., -278., -195., -180.])