Python 使用TensorFlow在不知道基本函数的情况下，找到量化值映射的数值最小化位置

我有一个量化的2D函数值图，我不知道它的函数。我想找到这张地图最小值的连续位置

我可以使用

scipy

轻松地完成这项工作，但我想使用TensorFlow，因为在现实中，我有一个非常复杂的计算图，我想自动导出它，它使用TF就像一个魅力。这基本上需要数值和分析梯度计算的混合

在下面，您会发现一个非常小的例子，它是Rosenbrock函数的形式，它捕获了我无法用TF表示的部分，但在

scipy

中

使用scipy：

将tensorflow导入为tf
将numpy作为np导入
从scipy.ndimage导入地图坐标
从scipy.optimize导入最小化
xx，yy=np.meshgrid（np.linspace（-2,2,1000），
np.linspace（-3,1,1000））
x0=np.数组（[-1.5，-.5]）
origin=np.array（[-2，-3]）
间距=np.数组（[4./1000，4./1000]）
#我想最小化的量化函数可以是任何东西
罗森布鲁克=（（1-xx）**2+100*（yy-xx**2）**2）.T
#不是那么简单；）
打印（'量化最小值：'，
间距*np.Unlavel_索引（np.argmin（rosenbrock），rosenbrock.shape）
+（来源）
戴夫·罗森（x）：
idx=（（x-原点）/间距）。重塑（1，2）
返回地图坐标（rosenbrock，idx.T）
rosenbrock_grad0，rosenbrock_grad1=np.梯度（rosenbrock）
国防部长罗森德（x）：
idx=（（x-原点）/间距）。重塑（1，2）
返回np.数组（[map_坐标（rosenbrock_grad0，idx.T）[0]，
地图坐标（rosenbrock_grad1，idx.T）[0]]
res=minimize（rosen，x0，method='BFGS'，jac=rosen\u der，options={'disp'：True}）
打印（'打印连续BFGS结果：'，分辨率）

但是如何使用tensorflow？

x_tf=tf.变量（x0）
idx_tf=（x_tf-原点）/间距
#如何将其表示为一个OP，在这里我可以提供渐变
#在a型数值导数中？
f_tf=？？？
opt_tf=tf.train.AdamOptimizer（）.minimize（f_tf）
使用tf.Session（）作为会话：
对于范围（100）内的i：
会话运行（opt_tf）
打印（“%i:f=%f x=%s%”（i+1，会话.run（f_-tf），会话.run（x_-tf）））

我不完全理解你的问题，但也许你在寻找？我不完全理解你的问题，但也许你在寻找？