Fwd:AD是一个前向自动微分的crate

此crate允许您轻松编写对双数的操作，并执行前向自动微分。它使用户能够用最小的分配编写自动微分代码。

主要卖点

1. 默认无克隆。Fwd:AD在其函数中永远不会克隆内存（除了to_owning()和std::ops实现之外）并利用Rust的所有权系统确保内存正确性，并将何时进行克隆的决定权留给用户。
2. 按需自动克隆。如果传递了implicit-clone功能，Fwd:AD将在需要时隐式克隆Dual。是否克隆完全由类型系统决定，因此是在编译时完成的。
3. 内存位置泛型：Fwd:AD的结构对容器类型进行泛型化，允许它们支持您选择的任何容器：使用堆的Vec，如果你更喜欢栈，则使用数组，或其它。例如，它可以与&mut [f64]一起使用，以允许一个不需要在边界处复制内存的FFI API。

示例

详细示例可在examples/目录中找到，但以下是一些片段。

Rosenbrock函数最小化

extern crate fwd_ad;
use fwd_ad::*;

// The factor by which we will descend along the gradient.
// Rosenbrock function is pretty steep so its quite small.
const ALPHA : f64 = 1e-3;

fn main() {
    // Create two duals with two derivatives each, as well as
    // closures getdx and getdy to get their corresponding derivative
    generate_duals!{
        x = 0.; @ getdx
        y = 0.; @ getdy
    }
    for _ in 0..10000 {
        let xval : f64 = x.val();
        let yval : f64 = y.val();

        let res = (x.clone() - 1.).powf(2.) + 100.*(y-x.powf(2.)).powf(2.);
        println!("At x={}, y={}, the rosenbrock function is {}",xval, yval, res.val());

        generate_duals!{
            newx = xval - ALPHA*getdx(res.view());
            newy = yval - ALPHA*getdy(res.view());
        }
        x = newx;
        y = newy;
    }
}

简短教程

Fwd:AD的主要类型是Dual<Container, OM, F>结构。此结构由三种类型参数化，分别是