是否曾经以反向模式计算过偏导数？
Are partial derivatives ever calculated in reverse mode?
我知道 openMDAO 可以在正向或反向模式下计算模型的全导数，但是偏导数总是在正向模式下计算吗？
例如，我有一个具有 400 个输入和 4 个输出的组件。显然，这是反向模式求解的候选者。如果我只是 declare_partials(['*'], ['*'], method=fd)，openMDAO 会尝试以反向模式解决这个问题吗？
反向模式近似分音将不起作用。当您执行有限差分时，您将输入增加少量，然后调用 compute 来计算输出。为了在反向模式下执行此操作，您需要能够 运行 您的组件 "backwards" 为其提供输出以产生输入。
所以答案是：OpenMDAO 总是在正向模式下计算近似分音。
如果您的组件在 fd 中很慢，这可能是声明解析导数的一个很好的候选者。
当您用 FD 或 CS 来区分事物时，根据定义，您正在使用转发模式。
当您手动区分事物时（即笔和纸，导出部分，然后将它们编码），正向模式或反向模式的概念并不适用。
但是，如果您使用算法微分来计算偏音，那么您绝对可以选择正向或反向模式 AD。如果你有 400 个输入和 4 个输出，反向模式 AD 会更快。
我知道 openMDAO 可以在正向或反向模式下计算模型的全导数，但是偏导数总是在正向模式下计算吗？
例如，我有一个具有 400 个输入和 4 个输出的组件。显然，这是反向模式求解的候选者。如果我只是 declare_partials(['*'], ['*'], method=fd)，openMDAO 会尝试以反向模式解决这个问题吗？
反向模式近似分音将不起作用。当您执行有限差分时，您将输入增加少量，然后调用 compute 来计算输出。为了在反向模式下执行此操作，您需要能够 运行 您的组件 "backwards" 为其提供输出以产生输入。
所以答案是：OpenMDAO 总是在正向模式下计算近似分音。
如果您的组件在 fd 中很慢，这可能是声明解析导数的一个很好的候选者。
当您用 FD 或 CS 来区分事物时，根据定义，您正在使用转发模式。
当您手动区分事物时（即笔和纸，导出部分，然后将它们编码），正向模式或反向模式的概念并不适用。
但是，如果您使用算法微分来计算偏音，那么您绝对可以选择正向或反向模式 AD。如果你有 400 个输入和 4 个输出，反向模式 AD 会更快。