معرفی شرکت ها

AutoDiff-group3-0.0.6

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.0.6
0.0.5
0.0.4
0.0.2
0.0.1
0.0.6
0.0.5
0.0.4
0.0.2
0.0.1

توضیحات

Automatic differentiation with dual numbers
ویژگی مقدار
سیستم عامل -
نام فایل AutoDiff-group3-0.0.6
نام AutoDiff-group3
نسخه کتابخانه 0.0.6
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Will Claybaugh, Fan (Bruce) Xiong, Erin Williams
ایمیل نویسنده erinwilliams@g.harvard.edu
آدرس صفحه اصلی https://github.com/cs207-project-erin-bruce-will/cs207-FinalProject
آدرس اینترنتی https://pypi.org/project/AutoDiff-group3/
مجوز -
[![Build Status](https://travis-ci.com/cs207-project-erin-bruce-will/cs207-FinalProject.svg?branch=master)](https://travis-ci.com/cs207-project-erin-bruce-will/cs207-FinalProject) [![Coverage Status](https://coveralls.io/repos/github/cs207-project-erin-bruce-will/cs207-FinalProject/badge.svg)](https://coveralls.io/github/cs207-project-erin-bruce-will/cs207-FinalProject) # AutoDiff Developed by: Will Claybaugh, Bruce Xiong, Erin Williams Group #3, CS207 Fall 2018 ## Introduction Autodiff finds the derivatives of a function (to machine precision!) at the same time it finds the value of the function. ``` import autodiff.autodiff as ad x = ad.DualNumber('x', 2) y = ad.DualNumber('y', 3) out = x/y out.value # 0.66666, the value of 2 divided by 3 out.derivatives #{x: 1/3, y: -2/(3**2)}, the gradient of x/y at (2,3) ``` Autodiff works for functions and expressions with any number of inputs. Just pass those functions DualNumbers instead of regular ints/floats (and upgrade any math module functions to their autodiff equvalents) ## Installation Autodiff is on [PyPi](https://pypi.org/project/AutoDiff-group3/) and can be installed using the command ```pip install AutoDiff-group3```. To import, use ```import autodiff.autodiff as ad```. Autodiff can also be installed by downloading from [github](https://github.com/cs207-project-erin-bruce-will/cs207-FinalProject). Becuase it has no dependencies, you can simply add the repo folder to your python path (```import sys sys.path.insert(0, '/path_to_repo/')```) and import as normal. ## Examples Using autodiff is very simple: ``` import autodiff.autodiff as ad def f(a,b): return 3*a/b*ad.sin(a*b+2) out = f(ad.DualNumber('x',2),ad.DualNumber('y',3)) print(out.value) 1.978716 print(out.derivatives['x']) 0.116358 print(out.derivatives['y']) -1.24157 # get the value and derifative of f at a different point out = f(ad.DualNumber('x',0),ad.DualNumber('y',1)) ``` A Python 3 notebook containing more in-depth examples and usage is available [HERE](https://github.com/cs207-project-erin-bruce-will/cs207-FinalProject/blob/master/docs/Demo.ipynb) ## Documentation Click [HERE](https://github.com/cs207-project-erin-bruce-will/cs207-FinalProject/blob/master/docs/documentation.md) for full documentation. ## Dependencies Click [HERE](https://github.com/cs207-project-erin-bruce-will/cs207-FinalProject/blob/master/docs/requirements.txt) for a full listing of dependencies. ## License Click [HERE](https://github.com/cs207-project-erin-bruce-will/cs207-FinalProject/blob/master/LICENSE) to view our MIT License.


نیازمندی

مقدار نام
- numpy
- pytest


نحوه نصب


نصب پکیج whl AutoDiff-group3-0.0.6:

    pip install AutoDiff-group3-0.0.6.whl


نصب پکیج tar.gz AutoDiff-group3-0.0.6:

    pip install AutoDiff-group3-0.0.6.tar.gz