scipy.optimize.
SR1#
- class scipy.optimize.SR1(min_denominator=1e-08, init_scale='auto')[源代码][源代码]#
对称秩-1 Hessian 更新策略。
- 参数:
- min_denominator浮动
这个数值，通过一个归一化因子缩放，定义了更新中允许的最小分母大小。当条件被违反时，我们跳过更新。默认使用
1e-8。- init_scale{float, np.array, ‘auto’}, 可选
此参数可用于初始化 Hessian 矩阵或其逆矩阵。当给定一个浮点数时，相关数组将被初始化为
np.eye(n) * init_scale，其中n是问题维度。或者，如果给定一个精确的(n, n)形状的对称数组，则将使用此数组。否则将生成错误。将其设置为 ‘auto’ 以使用自动启发式方法选择初始比例。启发式方法在 [1]，第143页中描述。默认值为 ‘auto’。
方法
dot(p)计算内部矩阵与给定向量的乘积。
返回当前的内部矩阵。
initialize(n, approx_type)初始化内部矩阵。
update(delta_x, delta_grad)更新内部矩阵。
注释
更新基于 [1] 中的描述，第144-146页。
参考文献