Python 将无编译函数与scipy最小化一起使用
我现在正在写一个脚本来计算一些函数，这些函数应该适合一些中子散射数据。 我有一个带有能量值的数组X，我把它和其他参数一起传递给函数，以得到拟合曲线。 我使用一个简单的平方距离来最小化，我想使用theano并同时计算包含所有数据集的大数组（测量的所有散射角的参数值相同，现在我只是在每个角度上测试最小化例程） 使用标准库直接定义的表达式可以正常工作，但使用theano，scipy的minimize中的“x”向量的参数从未更新，它们只是保持与初始猜测相同，就像成本函数不依赖于它一样 代码如下：Python 将无编译函数与scipy最小化一起使用,python,optimization,theano,minimize,Python,Optimization,Theano,Minimize,我现在正在写一个脚本来计算一些函数，这些函数应该适合一些中子散射数据。 我有一个带有能量值的数组X，我把它和其他参数一起传递给函数，以得到拟合曲线。 我使用一个简单的平方距离来最小化，我想使用theano并同时计算包含所有数据集的大数组（测量的所有散射角的参数值相同，现在我只是在每个角度上测试最小化例程） 使用标准库直接定义的表达式可以正常工作，但使用theano，scipy的minimize中的“x”向量的参数从未更新，它们只是保持与初始猜测相同，就像成本函数不依赖于它一样 代码如下： def
def resFunc_pseudo_voigt():
''' Resolution function for the backscattering spectrometer using a pseudo-voigt profile.
Returns: The compiled theano function
Inputs: normF - scale factor which can be used for normalization
S - contribution factor for the lorentzian
lorW - lorentzian width
gauW - gaussian width
shift - shift from 0 of the voigt profile's maximum
bkgd - background term
Output: The compiled theano function result '''
X = T.vector()
normF = T.scalar()
S = T.scalar()
lorW = T.scalar()
gauW = T.scalar()
shift = T.scalar()
bkgd = T.scalar()
results, updates = theano.scan(lambda x_i: (normF * (S * lorW / (lorW**2 + (x_i - shift)**2) / np.pi
+ (1-S) * T.exp(-(x_i-shift)**2 / 2*gauW**2) / gauW*T.sqrt(2*np.pi)
+ bkgd)),
sequences=X)
f_out = theano.function(inputs=[X, normF, S, lorW, gauW, shift, bkgd],
outputs=results, updates=updates, allow_input_downcast=True)
return f_out
def res_cost(self, x, datas):
cost = np.sum((datas.intensities - self.resFunc(datas.energies, *x))**2 / datas.errors**2)
return cost
def resFit(self):
for i, resFile in enumerate(self.dataList):
resList = []
for j, datas in enumerate(resFile):
resList.append(optimize.minimize(lambda x: self.res_cost(x, datas),
datas.intensities
[50, 0.4, 0.5, 0.4, 0, 0.05],
bounds=[(0., 1000.), (0., 1.), (0., 10.), (0., 10.),
(-5., 5.), (0., 0.8)]))
print('\n> Final result for qVal = %s: ' % datas.qVal, flush=True)
print('Fit normF : ' + str(resList[j].x[0]), flush=True)
print('Fit S : ' + str(resList[j].x[1]), flush=True)
print('Fit lorW : ' + str(resList[j].x[2]), flush=True)
print('Fit gauW : ' + str(resList[j].x[3]), flush=True)
print('Fit shift : ' + str(resList[j].x[4]), flush=True)
print('Fit bkgd : ' + str(resList[j].x[5]), flush=True)
self.resFitList.append(resList)