Python 当您想要计算梯度和目标函数时，如何使用scipy.optimize.minimize函数？

scipy.optimize.minimize

将

obj

和

jac

函数作为输入。我相信它会在需要时单独调用它们。但我们经常会遇到目标函数，它们的梯度计算与目标函数共享很多计算。因此理想情况下，我希望同时计算

obj

和

grad

。但这个图书馆似乎不是这样的？如果仍然想使用scipy.optimize.minimize（如果有的话），怎么处理呢？

你完全可以。只需使用

jac=True

：

In [1]: import numpy as np

In [2]: from scipy.optimize import minimize

In [3]: def f_and_grad(x):
   ...:     return x**2, 2*x
   ...: 

In [4]: minimize(f_and_grad, [1], jac=True)
Out[4]: 
      fun: 1.8367099231598242e-40
 hess_inv: array([[ 0.5]])
      jac: array([  2.71050543e-20])
  message: 'Optimization terminated successfully.'
     nfev: 4
      nit: 2
     njev: 4
   status: 0
  success: True
        x: array([  1.35525272e-20])

实际上是：

jac:bool或可调用的可选目标雅可比（梯度） 功能。仅适用于CG、BFGS、牛顿CG、L-BFGS-B、TNC、SLSQP、狗腿、， 信任ncg如果jac是布尔值且为真，则假定返回fun 梯度和目标函数。如果为假，梯度 将进行数字估算。jac也可以是一个可调用的返回 物镜的梯度。在这种情况下，它必须接受相同的条件 争论很有趣

---

（强调我的）

谢谢你指出这一点！从文档/示例来看，这并不是非常明显，我觉得应该说明这项功能的重要性。我同意文档不是100%清楚。理想情况下，它应该说“假设fun返回一个元组，第一个元素是函数值，第二个元素是梯度”