mindspore.scipy.optimize.line_search

mindspore.scipy.optimize.line_search(f, xk, pk, jac=None, gfk=None, old_fval=None, old_old_fval=None, c1=0.0001, c2=0.9, maxiter=20)

满足强Wolfe条件的非精确线搜索。

来自Wright和Nocedal，’Numerical Optimization’，1999，第59-61页，算法3.5章节。

说明

Windows平台上还不支持 line_search。

参数：

• f (function) - 形式为f(x)的函数，其中x是一个扁平Tensor，并返回一个实数标量。 该函数应该由 vjp 定义的算子组成。

• xk (Tensor) - 初始猜测。

• pk (Tensor) - 要搜索的方向。假定方向是下降方向。

• jac (function) - 求x处的梯度的函数，其中x是一个扁平的Tensor，函数返回一个Tensor。 如果要使用自动微分，则可以传 None。

• gfk (Tensor) - value_and_gradient 作为位置的初始值。默认值：None。

• old_fval (Tensor) - 同 gfk。默认值：None。

• old_old_fval (Tensor) - 未使用的参数，仅用于scipy API合规性。默认值：None。

• c1 (float) - Wolfe准则常量，参见ref。默认值：1e-4。

• c2 (float) - 与 c1 相同。默认值：0.9。

• maxiter (int) - 搜索的最大迭代次数。默认值：20。

返回：

线搜索的结果。

支持平台：

GPU CPU

样例：

>>> import numpy as onp
>>> from mindspore.scipy.optimize import line_search
>>> from mindspore import Tensor
>>> x0 = Tensor(onp.ones(2).astype(onp.float32))
>>> p0 = Tensor(onp.array([-1, -1]).astype(onp.float32))
>>> def func(x):
...     return x[0] ** 2 - x[1] ** 3
>>> res = line_search(func, x0, p0)
>>> print(res.a_k)
1.0