Python 自动加载的数组分配（不再：（）

我有一个非常重要的函数，我想用autograd来区分它，但我不是一个足够的numpy向导，我不知道如何在没有数组辅助的情况下完成它

我也很抱歉，为了能够独立运行，我不得不让这个例子变得难以置信的做作和毫无意义。我正在使用的实际代码是针对非线性有限元的，并且试图计算复杂非线性系统的雅可比矩阵

将autograd.numpy作为anp导入 从autograd导入雅可比矩阵 def alphax： 返回anp.exp-x-10**2/x+1 def外汇： 矩阵的构造 k=anp.zerosx.shape[0]，x.shape[0] 随机三维向量上的循环 对于anp.random.randint0，x.shape[0]，x.shape[0]，3中的元素： 从x中选择3个值 x_ijk=anp.array[[x[i]表示元素中的i]] norm=anp.linalg.norm x_ijk@anp.vstackelement，element.transpose 从元素中生成一些矩阵 m=element.restrape3，1@element.restrape1，3 alpha是一个任意可微函数R->R alpha_值=alphanorm 通过alpha_值将m个矩阵组合成k个比例 n=m.shape[0] 对于我在兰根： 对于兰根的j： k[元素[i]，元素[j]+=m[i，j]*alpha_值 返回k@x printjacobianfanp.random.rand10 我们当然会出错 k[元素[i]，元素[j]+=m[i，j]*alpha_值 ValueError:使用序列设置数组元素。 我不太明白这条消息，因为没有发生类型错误。我想它一定是来自赋值

在写了上面的内容之后，我做了一个简单的切换到PyTorch，代码运行得很好。但是我仍然更喜欢使用autograd

pytorch版本 进口火炬 从torch.autograd.gradcheck导入零梯度 def alphax： 返回火炬.expx def外汇： 矩阵的构造 k=火炬.zerosx.shape[0]，x.shape[0] 随机三维向量上的循环 对于torch.randint0，x.shape[0]，x.shape[0]，3中的元素： 从x中选择3个值 x_ijk=torch.tensor[[1.如果n==e else 0表示范围中的n，则为lenx]表示元素中的e]@x norm=torch.norm x_ijk@torch.stacktorch.tanhelement.float+4，element.float-4.t m=torch.rand3，3 alpha是一个任意可微函数R->R alpha_值=alphanorm n=m.shape[0] 对于我在兰根： 对于兰根的j： k[元素[i]，元素[j]+=m[i，j]*alpha_值 普林克 返回k@x x=torch.rand4，需要_grad=True printx，“\n” y=fx printy，“\n” 年级=[] 对于y中的val： val.backwardretain_图形=真 grads.appendx.grad.clone 零梯度 如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'： 斯塔克格拉兹酒店

---

在Autograd和JAX中，不允许执行数组索引分配。有关此操作的部分说明，请参阅

---

PyTorch允许此功能。如果您想在autograd中运行代码，您必须找到一种方法删除有问题的行k[element[i]，element[j]+=m[i，j]*alpha_值。如果您可以在JAX中运行代码，JAX的语法与autograd基本相同，但有更多的功能，那么它似乎有助于执行这种索引分配。

我自己只计算雅可比矩阵，省去了麻烦，但我以后会研究JAX。谢谢您的帮助。