如何使用scipy.optimize.最小化函数，当你想计算梯度和目标函数

Question

scipy.optimize.minimze将obj和jac函数作为输入。 我相信它会在需要时单独调用它们。但通常情况下，我们会遇到目标函数，其梯度计算共享来自目标函数的大量计算。所以理想情况下，我想同时计算obj和grad。但这个图书馆似乎不是这样吗？如果一个人仍然想使用scipy.optimize.minimze如果有的话，有什么方法可以处理它？

Answer 1

你完全可以。只需使用jac=True：

In [1]: import numpy as np
In [2]: from scipy.optimize import minimize
In [3]: def f_and_grad(x):
   ...:     return x**2, 2*x
   ...: 
In [4]: minimize(f_and_grad, [1], jac=True)
Out[4]: 
      fun: 1.8367099231598242e-40
 hess_inv: array([[ 0.5]])
      jac: array([  2.71050543e-20])
  message: 'Optimization terminated successfully.'
     nfev: 4
      nit: 2
     njev: 4
   status: 0
  success: True
        x: array([  1.35525272e-20])

它实际上被记录在案：

jac：布尔值或可调用，目标的可选雅可比（梯度） 功能。仅适用于CG，BFGS，Newton-CG，L-BFGS-B，TNC，SLSQP，狗腿， 信任-NCG。如果 jac 是布尔值并且为 True，则假定乐趣返回 梯度以及目标函数。如果为假，则梯度 将以数字方式估计。JAC 也可以是可调用的回报 目标的梯度。在这种情况下，它必须接受相同的 争论很有趣。

（强调我的）