如何从Jax中的联合累积密度函数计算联合概率密度函数？
如何从Jax中的联合累积密度函数计算联合概率密度函数？
提问于 2021-11-16 10:38:36
我在python中定义了一个联合累积密度函数，它是jax数组的函数，并返回一个值。类似于：
def cumulative(inputs: array) -> float:
...要有梯度，我知道我可以做grad(cumulative)，但这只是给了我累积的一阶偏导数，相对于输入变量。相反，我要做的是计算，假设F是我的函数，并且是联合概率密度函数：
部分推导的顺序并不重要。
所以，我有几个问题：
- 如何在Jax中有效地计算这一点？我假设一旦计算出结果函数，我就不能调用梯度n乘以else)?
- alternatively，
- ，结果函数会比原始函数具有更高的调用复杂度吗(它是增加了O(n)，还是常量，或者某种东西是
，还是某种东西)，与整个数组相比，对于输入数组中的一个变量，我如何计算一个偏导数？(我将重复这个n次，每个变量一次)
回答 1
Stack Overflow用户
回答已采纳
发布于 2021-11-16 14:39:34
JAX通常将梯度视为相对于单个参数而言的梯度，而不是参数中的元素。在这个上下文中，一个与您想要做的类似(但不完全相同)的内置函数是jax.hessian，它计算第二个导数的恒心矩阵；例如：
import jax
import jax.numpy as jnp
def f(x):
return jnp.prod(x ** 2)
x = jnp.arange(1.0, 4.0)
print(jax.hessian(f)(x))
# [[72. 72. 48.]
# [72. 18. 24.]
# [48. 24. 8.]]对于与数组中单个元素有关的高阶导数，我认为您必须手动嵌套梯度。您可以使用类似于以下内容的助手函数来完成此操作：
def grad_all(f):
def gradfun(x):
args = tuple(x)
f_args = lambda *args: f(jnp.array(args))
for i in range(len(args)):
f_args = jax.grad(f_args, argnums=i)
return f_args(*args)
return gradfun
print(grad_all(f)(x))
# 48.0页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/69987613
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号