Python sympy在scipy中的优化

我有四个函数，用symphy符号计算，然后进行lambdified：

deriv_log_s_1 = sym.lambdify((z, m_1, m_2, s_1, s_2), deriv_log_sym_s_1, modules=['numpy', 'sympy'])
deriv_log_s_2 = sym.lambdify((z, m_1, m_2, s_1, s_2), deriv_log_sym_s_2, modules=['numpy', 'sympy'])
deriv_log_m_1 = sym.lambdify((z, m_1, m_2, s_1, s_2), deriv_log_sym_m_1, modules=['numpy', 'sympy'])
deriv_log_m_2 = sym.lambdify((z, m_1, m_2, s_1, s_2), deriv_log_sym_m_2, modules=['numpy', 'sympy'])

从这些函数中，我定义了一个要优化的成本函数：

def cost_function(x, *args):

    m_1, m_2, s_1, s_2 = x     

    print(args[0])    

    T1 = np.sum([deriv_log_m_1(y, m_1, m_2, s_1, s_2) for y in args[0]])   
    T2 = np.sum([deriv_log_m_2(y, m_1, m_2, s_1, s_2) for y in args[0]]) 


    T3 = np.sum([deriv_log_m_1(y, m_1, m_2, s_1, s_2) for y in args[0]])   
    T4 = np.sum([deriv_log_m_1(y, m_1, m_2, s_1, s_2) for y in args[0]])   

    return T1 + T2 + T3 + T4

我的功能

cost\u功能

按预期工作：

a = 48.7161
b = 16.3156
c = 17.0882
d = 7.0556
z = [0.5, 1, 2, 1.2, 3]

test = cost_function(np.array([a, b, c, d]).astype(np.float32), z)

但是，当我尝试优化它时：

from scipy.optimize import fmin_powell

res = fmin_powell(cost_function, x0=np.array([a, b, c, d], dtype=np.float32), args=(z, ))

它会引发以下错误：

AttributeError: 'Float' object has no attribute 'sqrt'

---

我不明白为什么会出现这样的错误，因为我的

cost\u函数本身不会产生任何错误。
解决方案是，我不知道为什么，将输入转换为numpy.float：

m_1 = np.float32(m_1)
m_2 = np.float32(m_2)
s_1 = np.float32(s_1)
s_2 = np.float32(s_2)

一般来说，将numpy数组传递给lambdified函数是一个好主意。这将在下一个Symphy版本中自动完成（请参阅）。