jax.value_and_grad#

jax.value_and_grad(fun, argnums=0, has_aux=False, holomorphic=False, allow_int=False, reduce_axes=())[源代码]#

创建一个同时计算 fun 和 fun 的梯度的函数。

参数:

  • fun (Callable) – 要微分的函数。其在 argnums 指定位置的参数应该是数组、标量或标准的 Python 容器。它应该返回一个标量（包括形状为 () 的数组，但不包括形状为 (1,) 等的数组）。

  • argnums (int | Sequence[int]) – 可选，整数或整数序列。指定要微分的位置参数（默认为 0）。

  • has_aux (bool) – 可选，布尔值。指示 fun 是否返回一个对，其中第一个元素被视为要微分的数学函数的输出，第二个元素是辅助数据。默认为 False。

  • holomorphic (bool) – 可选，布尔值。指示 fun 是否保证是全纯的。如果为 True，输入和输出必须是复数。默认为 False。

  • allow_int (bool) – 可选，布尔值。是否允许对整数值输入进行微分。整数输入的梯度将具有微弱的向量空间数据类型（float0）。默认为 False。

  • reduce_axes (Sequence[AxisName])

返回:

一个与 fun 具有相同参数的函数，该函数计算 fun 和 fun 的梯度，并将它们作为一对（一个二元组）返回。如果 argnums 是一个整数，则梯度与由该整数指定的位置参数具有相同的形状和类型。如果 argnums 是一个整数序列，则梯度是与相应参数具有相同形状和类型的值的元组。如果 has_aux 为 True，则返回一个元组 ((value, auxiliary_data), gradient)。

返回类型:

Callable[…, tuple[Any, Any]]