Julia中ForwardDiff的自动微分

我在Julia中正确使用ForwardDiff包时遇到一些问题。我已经成功地在下面的代码块中隔离了我的问题

简而言之，我定义了函数：

using ForwardDiff

function likelihood(mu,X)

  N = size(X,2)

  # Calculate likelihood
  aux = zeros(N)
  for nn=1:N
    aux[nn] = exp(-0.5 * (X[:,nn]-mu)' *  (X[:,nn]-mu))[1]
  end

  # return log-likelihood
  return sum(log(aux))

end

然后检查该功能是否工作：

# Check if function works at all
X = randn(2,3) # some random data
mu = [1.0;2.0] # arbitrary mean
@show likelihood(mu,X) # works fine for me

然后，我尝试使用以下方法获得梯度：

ForwardDiff.gradient( ARG -> likelihood(ARG, X), mu)

不幸的是，这失败了，我在屏幕上看到：

错误：MethodError:

转换

没有方法匹配 转换（：：Type{Float64}，：：ForwardDiff.Dual{2，Float64}）这可能有 由调用构造函数Float64（…）引起，因为类型 构造函数返回到转换方法。最接近的候选人是：

---

打电话{T我刚被告知，这是我方面的一个粗心错误，尽管用未经训练的眼睛看有点难发现

调用零时出错：

aux = zeros(N)

将此更改为

aux = zeros(eltype(mu),N)

---

解决了问题。希望这对其他人有用。

在进一步的调查中，我已成功地在上述代码的更简单版本中重现了此错误。我在ForwardDiff github中打开了一个问题。一旦得到响应，我也将在此处发表评论。