腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
精选内容/技术社群/优惠产品,
尽在小程序
立即前往
文章
问答
(148)
视频
沙龙
1
回答
如何在Haskell中实现自动区分?
、
、
下面是我的想法:
autoDiff
:: Floating a => (Dual a -> Dual a) -> a -> a现在以sin为例,下面是我得到的结果:sin :: Floating a => a -> a
autoDiff
浏览 5
提问于2018-08-01
得票数 2
1
回答
C++使用操作符重载构建双边树--什么是好的内存解决方案?
、
、
、
shared_ptr<Impl> pimpl;Interface operator+(const Interface& a, const Interface& b);class
autodiff
::Interface::Impl>> children; pimp
浏览 1
提问于2015-03-23
得票数 1
1
回答
Drake中的
Autodiff
wrt时间
在Drake文档https://drake.mit.edu/doxygen_cxx/group__system__scalar__conversion.html中给出的示例中,我们能够获取关于状态的
Autodiff
浏览 26
提问于2021-06-17
得票数 1
回答已采纳
1
回答
Jacobian导数相对于单个关节角的自差
我执行了以下操作来初始化
autodiff
const multibody::Frame<AutoDiffXd>
浏览 3
提问于2022-04-02
得票数 2
回答已采纳
1
回答
Autodiff
清除梯度
autodiff
_diagram = diagram.ToAutoDiffXd()
autodiff
_context =
autodiff
_diagram.CreateDefaultContext()
autodiff
_plant =
autodiff
_diagram.GetSubsystemByName("plant") 比方说,我想要有一堆随机的初始化,并且每次都在相同的
autodiff
图(计算图
浏览 48
提问于2021-11-04
得票数 0
1
回答
GetInfeasibleConstraints运行时错误:输出必须是标量类型浮点
我添加了类似于compass gait example中的方法的
autodiff
约束。例如: plant_
autodiff
= plant.ToAutoDiffXd() q, v, r = np.split(q_v_r, [ plant.num_positions() + plant.num_velocities()]) context = plant_
autodiff
.CreateDefaultContext()
浏览 11
提问于2020-08-27
得票数 1
回答已采纳
1
回答
如何用autoDiffToGradientMatrix求解drake中的科氏矩阵?
接下来,我尝试像这样设置
AutoDiff
环境:context_
autodiff
= plant_
autodiff
->CreateDefaultContext();drak
浏览 3
提问于2021-06-15
得票数 1
回答已采纳
1
回答
在Drake中,如何将NumPy数组转换为不同的标量类型?(例如,从float到AutoDiffXd或表达式?)
、
、
在Drake中,我有dtype=float的NumPy ndarray(一些多维),我想把它们转换成AutoDiffXd,Expression等。MatrixXd X(2, 2); 1.0, 2.0,MatrixX<AutoDiffXd> X_ad = X.cast<AutoDiffXd>();import numpy as np
浏览 1
提问于2021-06-09
得票数 3
1
回答
是否有办法确保由数学程序创建的决策变量不是AutoDiffXd类型的?
据我所知,这需要将工厂图和场景图连接到基于q类型的适当类型(根据q自动关闭或浮动)转换成图,然后在图转换为
autodiff
时浮动以进行距离查询。在q类型为
autodiff
的情况下,将图表转换为
autodiff
很好,但将其转换为float (为了使query_object.ComputeSignedDistanceQuery工作)会产生以下错误:double (因为drake ::_::scene_graph类型的系统::_::scene_graph::SceneGraphdrake::AutoDiffXd不支持标量转换为类型双重) 问
浏览 13
提问于2022-10-17
得票数 0
1
回答
PyTorch自动分异特征
、
、
、
我只是想知道,PyTorch如何跟踪张量上的操作(在.requires_grad被设置为True之后),以及以后如何自动计算梯度。请帮助我理解autograd背后的想法。谢谢。
浏览 0
提问于2018-06-27
得票数 5
回答已采纳
1
回答
复变函数的自动微分
、
我想知道是否可以应用boost的自动区分库:返回std::complex<double>值的函数?// Assuming a < 0 } 如何使用Boost的a将导数wrt转换到c或
autodiff
浏览 1
提问于2020-10-23
得票数 3
回答已采纳
2
回答
GDB漂亮打印: Python异常<type 'exceptions.LookupError'>没有注册编解码器搜索函数:找不到编码
、
、
、
、
我尝试使用gdb for STL从设置漂亮的打印,并按照说明运行它。现在,在获取gdbinit file时不会出现错误。(gdb) p mymMap Python Exception <type 'exceptions.Look
浏览 54
提问于2015-02-26
得票数 2
1
回答
你能在一个工厂完成后生成一个场景图吗?
我遇到了一个问题,因为使用的数组是
AutoDiff
类型,所以设置位置不起作用。然后,可能的解决方案是使用plant.ToAutoDiff()将浮动类型的工厂转换为
Autodiff
,但这只会创建一个工厂的副本,而不会将其耦合到派生查询的场景图(以及查询对象)。如果使用从原始工厂生成的查询对象进行查询,则无法反映传递给
AutoDiff
副本的新位置。 有没有办法从原工厂的符号副本中创建一个新的场景图,这样我就可以用它来执行查询了吗?
浏览 1
提问于2022-09-12
得票数 0
回答已采纳
1
回答
朱莉娅的DifferentialEquations包在使用fortran包装的右手端时失败
、
、
我试图用朱莉娅的DifferentialEquations方法求解一个常微分方程组。我的颂歌的右边是包装的。这是我的朱莉娅密码:function rhs(dNdt,N,p,t)end N0 = [0.0,298.9,0.0562,22.9,0.0166,35.96,0.0,0.0,0.0,0.0]*6
浏览 1
提问于2021-03-12
得票数 3
回答已采纳
2
回答
艾根的AutoDiffJacobian,需要一些帮助才能找到一个学习的例子
、
、
、
:AutoDiffJacobian<Functor>::JacobianType = Eigen::Matrix<double, 2, 3, 0, 2, 3>]’:/usr/include/eigen3/unsupported/Eigen/src/
浏览 5
提问于2016-09-11
得票数 1
1
回答
不支持形状'Box‘和'Box’之间的带符号距离查询
我们尝试解决两个盒子之间的静态平衡问题: static_equilibrium_problem = StaticEquilibriumProblem(
autodiff
_plant,
autodiff
_plant.GetMyContextFromRoot(
autodiff
_context), set()) result = Solve(static_equilibrium_problem.prog()) 并得到了这个错误: RuntimeError:
浏览 20
提问于2021-11-04
得票数 2
1
回答
在两个图像轴上使用pytorch Autograd
我想使用
autodiff
,因为我听说过很多关于它的好故事。但是,我想检查是否有可能是我想要的。我知道autodif是基于雅可比矩阵的,因为我的函数只有一个输入。它将只计算基于该变量的导数。
浏览 1
提问于2021-01-29
得票数 0
1
回答
np.linalg.solve()不是为
AutoDiff
工作吗?
np.linalg.solve()不适用于
AutoDiff
吗?我用它来求解机械手方程。错误消息如下所示。我尝试了类似的“双”版本代码,这是没有问题的。请告诉我怎么修理,谢谢!0.01)parser.AddModelFromFile("double_pendulum.sdf")plant_
autodiff
= plant.ToAutoDiffXd() ####### <
AutoDiff
> get the error messag
浏览 0
提问于2020-10-29
得票数 1
回答已采纳
1
回答
用DiffEqFlux预测ODE参数
、
、
、
、
我试图建立一个神经网络,它将接受ODE系统的解,并预测系统的参数。我使用的是朱莉娅,特别是包。网络的结构是几个简单的Dense层,它们可以预测一些中间参数(在这种情况下,是一些化学反应自由能),然后输入一些确定性的(未经训练的)层,将这些参数转换成进入方程组的参数(在这种情况下,是反应速率常数)。我在这里尝试过两种不同的方法: 下面是第一个选项的一个愚蠢的小例子,它提供了与我所得到的错误
浏览 5
提问于2019-10-16
得票数 2
1
回答
参数和参数包的类型推导
、
、
、
petsc_make_unique<Tao>(TaoCreate, TaoDestroy,
autodiff
_tao.hppPETSC_COMM_SELF)) /
浏览 28
提问于2020-01-28
得票数 0
回答已采纳
点击加载更多
扫码
添加站长 进交流群
领取专属
10元无门槛券
手把手带您无忧上云
相关
资讯
深度学习中的微分
蚂蚁王益:Go+ 可有效补全 Python 的不足
PyTorch 1.0宣布用于研究和生产AI项目
对比PyTorch和TensorFlow的自动差异和动态子类化模型
从概念到实践,我们该如何构建自动微分库
热门
标签
更多标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
活动推荐
运营活动
广告
关闭
领券