我有这样的代码:
Using ForwardDiff:gradient
derivative(f,x) = gradient(x->f(x[1]),[x])
我知道ForwardDiff中的梯度以向量为参数，但这意味着什么:(x->f(x[1]))，我对x[1]感到困惑。
我被
x[1]弄糊涂了
表示取向量x的第一个元素
如果最后一个参数是[x]，这段代码就没有多大意义了。你应该直接用
julia> ForwardDiff.derivative(sin, 1.0)
0.5403023058681398
我是在回答你的问题的标题，而不是具体的ForwardDiffAPI。
匿名函数允许您"动态地"定义函数，而不需要它们存在于定义它们的作用域之外。它们通常用于其他函数请求一个函数作为参数的上下文中。当我需要使用一个定义了许多参数的函数，但我只想考虑一个参数时，我个人经常使用它们。
以以下函数为例:
foo(x,y) = x+y
并且假设您只想迭代它的第一个参数。您可以使用map函数，它的第一个参数确实是一个函数:
map(x->foo(x,10),[1,2,3])
调用函数foo，第一个参数是1，然后是2，最后是3，第二个参数是10。
这相当于定义一个新的函数foo2(x) = foo(x,10)并在其上广播:
foo2.([1,2,3])
当然，在这个简单的例子中，您可以只使用默认参数或直接广播第一个参数foo.([1,2,3],10)，但有时这是不可能的，或者你无法控制函数定义来修复默认参数，因此匿名函数变得很方便。
使用匿名函数的另一种情况是，当你在开发一个库时，一个函数需要一个函数作为参数，而你想提供一个默认值，而不需要显式地定义另一个函数。对于一个实际案例，在BetaML机器学习工具包中，我将随机梯度下降构造函数定义为:
function SGD(;η=t -> 1/(1+t), λ=2) = ...
η所在时代的学习速率的函数。
我可以定义一个新的函数learningRateAdjustmentDefault(t) = 1/(1+t)，并将η=learningRateAdjustmentDefault放在SGD参数定义中，在这些情况下使用匿名函数更方便和透明…