1

我有一个二维数组的参数。它可以很好地获得正确的输出，但是当我尝试对梯度做任何事情（例如优化或 check_total_derivatives）时，我会遇到尺寸错误。我想知道处理 2D 大小的参数的最佳方法是什么。这是一个示例代码：

import numpy as np
from openmdao.api import Group, Problem, Component, IndepVarComp, ExecComp

class C1(Component):
    def __init__(self, n):
        super(C1, self).__init__()
        self.add_param('grid', val=np.zeros((n, n)))
        self.add_output('x', shape=1)
        self.n = n

def solve_nonlinear(self, params, unknowns, resids):
    x = 0
    for i in range(self.n):
        for j in range(self.n):
            x += params['grid'][i][j]
    unknowns['x'] = x

def linearize(self, params, unknowns, resids):
    J = {}
    J['x', 'grid'] = np.ones((self.n, self.n))
    return J

class Group1(Group):
    def __init__(self, n):
        super(Group1, self).__init__()
        self.add('grid', IndepVarComp('grid', np.zeros((n, n))), promotes=['*'])
        self.add('c1', C1(n), promotes=['*'])
        self.add('obj_cmp', ExecComp('obj = -x', x=1.0), promotes=['*'])
n = 3
p = Problem()
p.root = Group1(n)
p.setup(check=False)
p['grid'] = np.ones((n, n))
p.run()
p.check_total_derivatives()
print p['x']

我得到错误：

ValueError: In component 'c1', the derivative of 'x' wrt 'grid' should have shape '(1, 3)' but has shape '(3, 3)' instead.

我觉得这种情况下的导数应该是大小 (3, 3) 因为那是输入参数的大小。你如何处理二维参数？

4

2 回答 2

5

你在雅可比式中有一个小错误；它应该是这样的：

def linearize(self, params, unknowns, resids):
    J = {}
    J['x', 'grid'] = np.ones((1, self.n*self.n))
    return J

输出x的长度是 1，而参数grid是 n × n，所以它的长度是 n*n，所以结果 J 应该是 1 × 9。有了这个改变，我得到了正确的答案。

我确实注意到错误消息中有一个错误。应该说预期的形状是 (1, 9) 而不是 (1, 3)。我会对此进行修复。

于 2016-01-13T17:13:46.250 回答
2

当您有一个 2D 变量并需要构建渐变时，将其展平（按行主要顺序）并根据展平版本制定梯度。

于 2016-01-13T17:08:13.470 回答