python - 如何为每次迭代从 scipy.optimize.least_squares 获取梯度?
问题描述
我正在使用一个使用scipy.optimize.least_squares
并提供使用回调函数的可能性的包。但是,只有目标函数参数被传递给回调函数(对于每个函数评估)。不过,我需要获取函数相对于参数的梯度。我知道通过scipy.optimize.least_squares
计算每个评估的梯度J.T.dot(f)
,其中J
是 Jacobian 并且f
是函数。但是梯度仅在优化完成后通过结果返回并显示最后一次迭代/评估(解决方案)的梯度。有没有办法获得成本函数相对于每个评估参数的梯度?
解决方案
推荐阅读
- php - PHP 数字字符串掩码
- java - 在 nodejs 解密中出现错误(错误:不支持的状态或无法验证数据)
- vba - 关闭工作簿时关闭另一个工作簿
- javascript - 点击关闭其他下拉菜单
- mysql - 为什么设置 SQL 变量会产生错误?
- php - 如何使用特定函数式编程用例 PHP 的范围
- puppet - 如何更改 puppet-enterprise 整体安装中的 masterport
- git - 我正在尝试发生合并冲突。我得到相反的结果,终端说使用了递归策略
- javascript - 无法复制中继器内剪贴板中的文本
- scala - 嵌套案例类之间的递归转换,其中目标中的字段是源类的未对齐子集