Have `paduapts` return the data as the transpose of the current format?
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 3/5
- Geschätzter Aufwand
- 1-2 Tage
- Anfängerfreundlichkeit
- 45/100
Rechercherichtung
Beginne bei der Implementierung von paduapts(n) und untersuche die Aufrufer, die sich auf die aktuelle Form N×2 stützen. Bestätige, dass die vorgeschlagene Rückgabeform 2×N die Punktdaten beibehält, und aktualisiere alle betroffenen Erwartungen oder Tests; abgeschlossen ist die Aufgabe, wenn paduapts das neue Format ohne unnötige Allokation zurückgibt.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Right now paduapts(n) returns an N x 2 matrix. I'm proposing that it instead return a 2 x N matrix. The reason is that this allows for a no-op conversion to a Vector{Vec{2,Float64}}: the current code works
pts=paduapts(10)
ptr=reinterpret(Ptr{Vec{2,Float64}},pointer(pts')) # reinterpret the memory of pts'
unsafe_wrap(Vector{Vec{2,Float64}},
ptr,
size(pts,1),true)
With the proposed change, the pts' would become pts and no new memory would need to be allocated.
- Vorherrschende Sprache
- Julia
- Sterne
- 284
- Forks
- 28
- Ø Merge
- 17 Std. 49 Min.
- Gemergte PRs (30 T.)
- 1
Entwicklungsumgebung
Dieses Projekt bietet weder Dev-Container noch Dockerfile noch Beitragsleitfaden – die Einrichtung liegt bei Ihnen. Beginnen Sie mit der README; die allgemeinen Schritte stehen in unserem Leitfaden für den ersten Beitrag.
Erste Schritte
- Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
- Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
- Forken Sie das Repository und arbeiten Sie in einem Branch.
- Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.
Mehr aus JuliaApproximation/FastTransforms.jl
-
Loading FastTransforms.jl can make FFTs via FFTW.jl 100x slower due to threading conflictsEvtl. vergeben @dlfivefifty hat das vor 120 Tagen übernommen. Offen
JuliaApproximation/FastTransforms.jl#267 · 2 Reaktionen · 2 zugewiesene Personen ·
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 38/100
JuliaApproximation/FastTransforms.jl#266 · 1 Kommentar ·
-
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 42/100
JuliaApproximation/FastTransforms.jl#263 · 2 Kommentare ·
-
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 35/100
JuliaApproximation/FastTransforms.jl#257 · 1 Kommentar ·
-
Allocating lmul!Offen
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 25/100
JuliaApproximation/FastTransforms.jl#253 · 7 Kommentare ·
Alle Issues in JuliaApproximation/FastTransforms.jl
Ähnliche Issues
-
lux
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 76/100
JuliaGraphs/GraphNeuralNetworks.jl#732 ·
Maintainer antworten meist innerhalb von 2 Tagen
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 68/100
Maintainer antworten meist innerhalb von 1 Tag
-
Add project: Typst_jll.jlEvtl. vergeben @github-actions hat das vor 1 Tag übernommen. Offenadd-project
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 76/100
YDX-2147483647/best-of-typst#590 · 1 Kommentar ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 74/100
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 67/100