×

转发差异

swMATH ID: 16106
软件作者: Jarrett Revels、Miles Lubin、Theodore Papamarkou
描述: Julia中的前向模式自动区分。我们提供ForwardDiff,这是一个用于转发模式自动区分(AD)的Julia包,其性能与C++等低级语言相比具有竞争力。与其他流行高级语言(如Python和MATLAB)中最近开发的AD工具不同,ForwardDiff利用实时(JIT)编译透明地重新编译AD-unaware用户代码,从而有效支持使用自定义数字类型(包括复数)进行高阶差分和差分。对于梯度和Jacobian计算,ForwardDiff提供了一种向量前向模式的变体,它避免了昂贵的堆分配,并且比传统向量模式更好地利用了内存带宽。在我们的数值实验中,我们证明了对于非常大的维度,ForwardDiff的梯度计算比基于Python的签名包的反向实现更快。我们还说明了如何在用于优化的建模语言JuMP中有效地使用ForwardDiff。根据我们的使用统计,GitHub上有41个独特的存储库依赖于ForwardDiff,用户来自天文学、优化、有限元分析和统计等不同领域。本文件是一份扩展摘要,已被接受在AD2016第七届国际算法区分会议上提交。
主页: https://github.com/JuliaDiff/ForwardDiff.jl
源代码:  https://github.com/JuliaDiff/ForwardDiff.jl
依赖项: 朱莉娅
关键词: 自动微分;转发模式AD;Julia套餐;JuMP建模语言
相关软件: 朱莉娅;PyTorch公司;TensorFlow公司;伊波特;Optim公司;斯坦;蟒蛇;DiffSharp(差异锐化);github;JuMP公司;分配.jl;图灵;Matlab公司;微分方程.jl;亚当;ADiGator公司;安培数;Arb公司;DLMF公司;GLM.jl公司
引用于: 28文件

标准条款

1出版物描述软件 年份
Julia中的前向模式自动区分arXiv公司
Jarrett Revels、Miles Lubin、Theodore Papamarkou
2016
全部的 前5名

76位作者引用

亨德里克·拉诺查
2 于尔根·福尔曼
2 贝诺·高代尔
2 多米尼克·奥尔班
1 塞米·阿克巴耶拉克
1 马蒂厄·安切林
1 阿列克桑德·亚拉夫金。
1 毛里西奥·阿里斯蒂扎巴尔
1 亚历克西斯·阿尔诺登
1 罗伯特·J·巴拉迪。
1 Baydin,Atm Günesh
1 菲利普·伯肯
1 Braga-Neto,Ulisses M。
1 杰夫·布格哈特
1 坎塞斯,克莱门特
1 埃里克·坎塞斯
1 尼古拉·塞利埃
1 Chainais-Hillairet,克莱尔
1 杰西·陈
1 马克思·恰伊
1 亲爱的,埃里克
1 德弗里斯,伯特·J·M。
1 布鲁诺·德斯普雷斯
1 伊恩·邓宁
1 日内瓦杜森
1 弗拉基米尔·法纳斯科夫
1 埃里克·福特。
1 Manuel J.加西亚。
1 格雷戈·盖斯纳。
1 克里斯托弗·杰加(Christopher J.Geoga)。
1 Hernández-Estrada,JoséL。
1 Huchette,乔伊
1 凯姆林,加斯帕德
1 约翰·罗伯特·金
1 梅尔文·莱克
1 安托万·莱维特
1 维克托·林德斯
1 阿列克谢·林多
1 卢宾,迈尔斯
1 克里斯托弗·卢斯特里。
1 奥纳州马林
1 李维·麦克伦尼。
1 斯科特·威廉·麦奎
1 哈里·米尔沃特(Harry R.Millwater)。
1 约翰·米尔茨
1 桑哈斯里·穆霍帕迪耶
1 北,Joshua S。
1 Oseledets、Ivan Valer’evich
1 西奥多·帕帕马库
1 巴拉克·A·皮尔默特。
1 R、 乌夏
1 阿列克谢·安德烈耶维奇·拉杜尔
1 克里斯蒂安·鲁耶·奎尔
1 萨尔,阿尔卑斯山
1 米歇尔·沙南
1 莫里茨·绍尔
1 埃林·施利普(Erin M.Schliep)。
1 杰里米·施密特(Jeremy M.Schmitt)。
1 Šenöz,伊斯梅尔
1 塔蒂亚娜·辛格尔
1 亚伯·索尔斯·西奎拉
1 杰弗里·马克·西斯金德
1 斯特凡·索默
1 迈克尔·L·斯坦。
1 马修·斯图伯(Matthew D.Stuber)。
1 亚历山大·塔塔科夫斯基。
1 克里斯蒂娜·泰勒。
1 伊恩·威廉·特纳
1 迈克尔·乌尔布里奇
1 范德梅伦、弗兰克·亨利
1 Daniel J.范登·胡维尔。
1 加布里埃尔·D·韦茅斯。
1 克里斯托弗·威克尔(Christopher K.Wikle)。
1 马修·威廉(Matthew E.Wilhelm)。
1 卡罗琳·沃梅尔。
1 徐凯来

按年份列出的引文