Fatal编程技术网
  • function/
  • Function Julia 1.0.5中结合ForwardDiff和PyPlot的问题

Function Julia 1.0.5中结合ForwardDiff和PyPlot的问题

function matplotlib parameters julia

Function Julia 1.0.5中结合ForwardDiff和PyPlot的问题,function,matplotlib,parameters,julia,array-broadcasting,Function,Matplotlib,Parameters,Julia,Array Broadcasting,在Julia 1.0.5中，我有一个函数f（x：：Vector{，这个问题可以通过多次分派的功能来解决： f(x::Vector{<:Real}) = (x[1] - 2)^2 + ( x[2] - 1 )^2 f(x::Real,y::Real) = f([x,y]) nx = 10 ny = 20 X = rand(nx) #mesh of x points Y = rand(ny) #mesh of y points Z = f.(transpose(X),Y) #nx x ny m

在Julia 1.0.5中，我有一个函数
f（x：：Vector{，这个问题可以通过多次分派的功能来解决：


f(x::Vector{<:Real}) = (x[1] - 2)^2 + ( x[2] - 1 )^2
f(x::Real,y::Real) = f([x,y])
nx = 10
ny = 20
X = rand(nx) #mesh of x points
Y = rand(ny) #mesh of y points
Z = f.(transpose(X),Y) #nx x ny matrix



这将如何解决绘图问题？另外，
f（x）不是这样吗？有了这一点，函数值可以用两个实数参数来计算。然而，当使用点格式的
f（x，y）
时，第一个参数也必须被转换，以便广播按预期工作，如
f.（x'，y）
所示。

LoadError: MethodError: no method matching (::getfield(Main, Symbol("#f#1044")))(::Int64)
Closest candidates are:
  f(!Matched::Array{#s25,1} where #s25<:Real)



f(x::Vector{<:Real}) = (x[1] - 2)^2 + ( x[2] - 1 )^2
f(x::Real,y::Real) = f([x,y])
nx = 10
ny = 20
X = rand(nx) #mesh of x points
Y = rand(ny) #mesh of y points
Z = f.(transpose(X),Y) #nx x ny matrix



two_point_gradient(f,x,y) = ForwardDiff.gradient(f,[x,y])
G = two_point_gradient.(f,transpose(X),Y) #returns a vector of gradients, where G[i..] = gradient(f,X[i..],Y[i...])