Julia自动微分-它完全崩溃了吗？

Julia的ForwardDiff能处理闭包吗？如果不是的话，它就不是很有用了，但是如果是的话，我在下面哪里出错了

using ForwardDiff
function make_add(x)
   foo = y::Vector -> y+x
   return foo
end

zulu = make_add(17)

g = x-> ForwardDiff.gradient(zulu, x)

g([1, 2, 3])

MethodError: no method matching extract_gradient! 
  (::Type{ForwardDiff.Tag{##1#2{Int64},Int64}},  

事实上，这与闭包无关。简单地说：

h = x-> ForwardDiff.gradient(x-> x+17.0, x)

炸弹的定义方式与阵列的定义方式完全相同。在标量上使用导数。

ForwardDiff.gadient状态的文档：

此方法假定isafx为实数

问题是函数返回的是向量而不是标量，因此需要使用雅可比矩阵，雅可比矩阵接受数组作为返回值：

julia> function make_add(x)
          foo = y::Vector -> y .+ x
             return foo
             end
make_add (generic function with 1 method)

julia> zulu = make_add(17)
#27 (generic function with 1 method)

julia> g = x-> ForwardDiff.jacobian(zulu, x)
#29 (generic function with 1 method)

julia> g([1, 2, 3])
3×3 Array{Int64,2}:
 1  0  0
 0  1  0
 0  0  1

---

还请注意，我在+之前添加了一个点，因此它的读数为y.+x，因为在Julia 1.0的当前版本中，不允许在不广播的情况下向向量添加标量。

Ah，所以！在我的版本0.6.4中-我不知道有一个1.0版本+可以正常工作。在0.6.4上，您可以使用。+并且它可以正常工作，在升级到1.0之前，请检查您正在使用的所有软件包是否都已升级-1.0的发布仅在2天前，一些软件包尚未100%同步。

h = x-> ForwardDiff.gradient(x-> x+17.0, x)

julia> function make_add(x)
          foo = y::Vector -> y .+ x
             return foo
             end
make_add (generic function with 1 method)

julia> zulu = make_add(17)
#27 (generic function with 1 method)

julia> g = x-> ForwardDiff.jacobian(zulu, x)
#29 (generic function with 1 method)

julia> g([1, 2, 3])
3×3 Array{Int64,2}:
 1  0  0
 0  1  0
 0  0  1