python - 如何将 2 矩阵放入 scipy.optimize.minimize？

Question

我使用 scipy.optimize.minimize 函数。 我的目的是获取 w,z 最小化 f(w,z)

w 和 z 都是 n 乘 m 矩阵:

[[1,1,1,1],
 [2,2,2,2]]

f(w,z)是接收参数w和z。

我已经尝试过下面给出的表格:

def f(x):
   w = x[0]
   z = x[1]
   ...

minimize(f, [w,z])

但是，最小化效果不佳。

将两个矩阵(n 乘以 m)放入 scipy.optimize.minimize 的有效形式是什么？

Answer 1

Optimize 需要一个一维向量来优化。你走在正确的轨道上。您需要将您的参数扁平化为最小化，然后在f 中，从x = np.reshape(x, (2, m, n))，然后拉出 w 和 z，您应该开始工作了。

我以前遇到过这个问题。例如，同时优化多个不同类中的部分向量。我通常会得到一个将事物映射到一维向量的函数，然后是另一个将数据拉回到对象中的函数，这样我就可以评估成本函数。如:

def toVector(w, z):
    assert w.shape == (2, 4)
    assert z.shape == (2, 4)
    return np.hstack([w.flatten(), z.flatten()])

def toWZ(vec):
    assert vec.shape == (2*2*4,)
    return vec[:2*4].reshape(2,4), vec[2*4:].reshape(2,4)

def doOptimization(f_of_w_z, w0, z0):
    def f(x): 
        w, z = toWZ(x)
        return f_of_w_z(w, z)

    result = minimize(f, toVec(w0, z0))
    # Different optimize functions return their
    # vector result differently. In this case it's result.x:
    result.x = toWZ(result.x) 
    return result