解密NumPy求解梯度的一个关键难点

关于numpy的gradient方法，在参数edge_order等于2时，如何得到左右两个边界值，是比较难理解的地方，而网上的博文几乎都千篇一律，都没有对此做出正确的解释。

而关注我的老粉「高新区运气王」经过深思熟虑，找出规律，总结出edge_order等于2时左右两个边界值的推导，难能可贵！在此以飨关注我的读者。

1 Numpy求梯度

import numpy as np
x = np.random.randint(10, size=(6, ))
f = x**2
print(f"f:{f}")
# >> 0, 1, 4, 9, 16

grad1 = np.gradient(f)
print(f"不设置edge_order时, f的默认梯度:{grad1}")

grad2 = np.gradient(f, edge_order=1)
print(f"edge_order=1时,f的梯度:{grad2}")

print(f"查看f的默认梯度是否和edge_order=1时的梯度值相等:{(grad1==grad2).all()}")

grad3 = np.gradient(f, edge_order=2)
print(f"edge_order=2时, f的梯度:{grad3}")

输出结果如下：

f:[49 36 36 9 4 49]
不设置edge_order时, f的默认梯度:[-13. -6.5 -13.5 -16.  20.  45. ]
edge_order=1时,f的梯度:[-13. -6