python - 计算 Jacobian x Jacobian.T 的有效方法
问题描述
假设J
是某个函数f
关于某些参数的雅可比行列式。是否有有效的方法(在 PyTorch 或 Jax 中)拥有一个接受两个输入(x1
和x2
)并在J(x1)*J(x2).transpose()
不实例化内存中的整个J
矩阵的情况下进行计算的函数?
我遇到过类似jvp(f, input, v=vjp(f, input))
但不太理解的东西,也不确定是我想要的。
解决方案
推荐阅读
- android - 我使用 debug.keystore 上传我的应用程序
- node.js - 使用 custom-react-scripts 库构建会导致内存泄漏
- java - java赋值同步生产者消费者
- html - 为什么我的引导类不起作用?
- ruby-on-rails - 光滑 - 使肖像图像与其他图像高度相同
- javascript - javascript函数找不到元素
- windows - 是否可以在没有管理员权限的情况下安装 .appxbundle(UWP/XAML 应用程序)?
- javascript - 匹配伪元素内容属性的正则表达式示例
- react-native - 创建新的 react-native 项目时出现“意外的令牌导入”错误
- python - Json,抓取到网页 - python