本文主要是介绍利用scipy中的minimize，method指定为BFGS，提示“Desired error not necessarily achieved due to precision loss”，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
代码：
out = minimize(fun = get_expectation(n,p,initial_ansatz),x0 = initial_ansatz, method="BFGS",jac = True, options={'eps':1e-03,'disp':True,'maxiter':400}) 遇到的问题：“Desired error not necessarily achieved due to precision loss”
详细信息：
原因：method指定为BFGS但未提供梯度信息的时候，会自动利用有限差分计算梯度，此时得到的梯度信息是带有误差的，当误差比较大时会报上述错误。同样的当你自身提供的梯度信息误差较大时，也会出现同样错误！
分析：当初始点处于一个山顶，利用 往下走，函数值是在变小的，但是当走到一个比较平缓的地域，此时利用
无法再找到一个更小的函数值，迭代只能“被迫”终止。很明显，这个错误是一个“累加”的过程，其实前半段已经走偏了，但由于函数值是一直在变小的，所以没有报错，等到走到一个比较平缓的地域，这个错误就会变得异常清晰，迭代被迫终止，会显示报错。
因此要避免上述原因，就需要一个精确的梯度值。
在我的问题中，报错原因是这样的，特此记录，这个问题困惑了我很久，如果你也和我遇到一样的问题，希望我的答案能够帮到你。
这篇关于利用scipy中的minimize，method指定为BFGS，提示“Desired error not necessarily achieved due to precision loss”的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
