معرفی شرکت ها

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

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

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

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

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

توضیحات

Optimization with autodiff

ویژگی	مقدار
سیستم عامل	-
نام فایل	autoptim-0.3
نام	autoptim
نسخه کتابخانه	0.3
نگهدارنده	['Pierre Ablin']
ایمیل نگهدارنده	['pierre.ablin@inria.fr']
نویسنده	-
ایمیل نویسنده	-
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/autoptim/
مجوز	MIT

# autoptim: automatic differentiation + optimization Do you have a new machine learning model that you want to optimize, and do not want to bother computing the gradients? Autoptim is for you. ## Short presentation Autoptim is a small Python package that blends `autograd` automatic differentiation in `scipy.optimize.minimize`. The gradients are computed under the hood using automatic differentiation; the user only provides the objective function: ```python import numpy as np from autoptim import minimize def rosenbrock(x): return (1 - x[0]) ** 2 + 100 * (x[1] - x[0] ** 2) ** 2 x0 = np.zeros(2) x_min, _ = minimize(rosenbrock, x0) print(x_min) >>> [0.99999913 0.99999825] ``` It comes with the following features: - **Natural interfacing with Numpy**: The objective function is written in standard Numpy. The input/ output of `autoptim.minimize` are Numpy arrays. - **Smart input processing**: `scipy.optimize.minimize` is only meant to deal with one-dimensional arrays as input. In `autoptim`, variables can be multi-dimensional arrays or lists of arrays. - **Preconditioning**: Preconditioning is a simple way to accelerate minimization, by doing a change of variables. `autoptim` makes preconditioning straightforward. ### Disclaimer This package is meant to be as easy to use as possible. As so, some compromises on the speed of minimization are made. ## Installation To install, use `pip`: ``` pip install autoptim ``` ## Dependencies - numpy>=1.12 - scipy>=0.18.0 - autograd >= 1.2 ## Examples Several examples can be found in `autoptim/tutorials`

نحوه نصب

نصب پکیج whl autoptim-0.3:

pip install autoptim-0.3.whl

نصب پکیج tar.gz autoptim-0.3:

pip install autoptim-0.3.tar.gz