在Julia中使用ForwardDiff自动区分

Question

我在Julia中正确使用ForwardDiff包时遇到了一些问题。我已经设法在以下代码块中隔离了我的问题。

简而言之，我定义了函数：

using ForwardDiff
function likelihood(mu,X)
  N = size(X,2)
  # Calculate likelihood
  aux = zeros(N)
  for nn=1:N
    aux[nn] = exp(-0.5 * (X[:,nn]-mu)' *  (X[:,nn]-mu))[1]
  end
  # return log-likelihood
  return sum(log(aux))
end

然后我检查该功能是否有效：

# Check if function works at all
X = randn(2,3) # some random data
mu = [1.0;2.0] # arbitrary mean
@show likelihood(mu,X) # works fine for me

然后，我尝试使用以下方法获取梯度：

ForwardDiff.gradient( ARG -> likelihood(ARG, X), mu)

不幸的是，这失败了，我在屏幕上看到：

错误： 方法

错误： convert没有方法匹配 convert（：：Type{Float64}， ：：ForwardDiff.Dual{2，Float64}） 这可能有 源于对构造函数 Float64（...） 的调用，因为类型 构造函数回退到转换方法。最接近的候选人是：
call{T<：AbstractFloat}（：：Type{T<：AbstractFloat}， ：：Real， ：：RoundingMode{T}） call{T}（：：Type{T}， ：：Any）
convert（：：Type{Float64}， ：：Int8） ... 在无：10 in 的可能性 匿名 无：1

我做错了什么？谢谢，提前。

Answer 1

我只是被告知这是我这边的一个粗心的错误，尽管未经训练的眼睛很难发现。

错误出现在调用零时：

aux = zeros(N)

将其更改为

aux = zeros(eltype(mu),N)

解决了问题。希望这对其他人有用。