Hacktoberfest 2026: die Issues, die Maintainer für den Oktober markiert haben – offen und einsteigerfreundlich. Hacktoberfest-Issues durchsuchen

Error when computing jacobian for broadcasted function

Offen
  • Stimmt etwas nicht?
#209 4 Kommentare 0 Reaktionen 0 zugewiesene Personen Auf GitHub ansehen

Dieses Issue hat noch niemand übernommen.

Bewertung

Schwierigkeit
3/5
Geschätzter Aufwand
1-2 Tage
Anfängerfreundlichkeit
35/100
Issue-Typ
Bug
Klarheit
Größtenteils klar
Aktivitätsstatus
Veraltet
Tech-Stack
julia
Bereich
machine-learning

Rechercherichtung

Reproduziere die drei jacobian-Aufrufe mit Julia 1.10.0-beta2 und den aufgeführten Versionen von AbstractDifferentiation und Diffractor. Beginne mit src/stage1/broadcast.jl:27 und den createinstance/rebundle-Pfaden bei src/tangent.jl:351 und :375, und vergleiche dann die funktionierenden und fehlschlagenden Broadcast-Fälle. Als abgeschlossen gilt es, wenn der elementweise broadcastete sin-Ausdruck seinen jacobian ohne den gemeldeten TangentBundle MethodError berechnet.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

bug

Simple broadcasting errors for me. See below.
I am on Julia 1.10.0-beta2+0.x64.linux.gnu

within the following environment:

Status ~/.julia/environments/v1.10/Project.toml
[c29ec348] AbstractDifferentiation v0.5.2
[9f5e2b26] Diffractor v0.2.1
[31c24e10] Distributions v0.25.100

This shows the issue (verified that I get the same problem with gradient from AbstractDifferentiation.jl):

using Diffractor: DiffractorForwardBackend
using AbstractDifferentiation: derivative, jacobian
jacobian(DiffractorForwardBackend(), θ -> sin(θ[1]) + sin(θ[2]), [0.3, 0.8])  #  works
jacobian(DiffractorForwardBackend(), θ -> sum(sin, θ), [0.3, 0.8])                # works
jacobian(DiffractorForwardBackend(), θ -> sum(sin.(θ)), [0.3, 0.8])               # errors

last command errors with (truncated error):

ERROR: MethodError: no method matching Diffractor.TangentBundle{1, Float64, Diffractor.TaylorTangent{Tuple{Float64}}}(::Float64, ::Tuple{Float64})
Stacktrace:
[1] createinstance(::Type{Diffractor.TangentBundle{1, Float64, Diffractor.TaylorTangent{Tuple{Float64}}}}, ::Float64, ::Vararg{Float64})
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/tangent.jl:351
[2] _getindex
@ Diffractor ~/.julia/packages/StructArrays/dNQpc/src/structarray.jl:353 [inlined]
[3] getindex
@ Diffractor ~/.julia/packages/StructArrays/dNQpc/src/structarray.jl:348 [inlined]
[4] iterate
@ Diffractor ./abstractarray.jl:1212 [inlined]
[5] iterate
@ Diffractor ./abstractarray.jl:1210 [inlined]
[6] iterate
@ Diffractor ./generator.jl:44 [inlined]
[7] _collect
@ Diffractor ./array.jl:852 [inlined]
[8] collect_similar
@ Diffractor ./array.jl:761 [inlined]
[9] map
@ Diffractor ./abstractarray.jl:3273 [inlined]
[10] rebundle(A::StructArrays.StructVector{Diffractor.TangentBundle{1, Float64, Diffractor.TaylorTangent{Tuple{Float64}}}, Tuple{Vector{Float64}, Vector{Float64}}, Int64})
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/tangent.jl:375
[11] (::Diffractor.∂☆{1})(zc::ZeroBundle{1, typeof(copy)}, bc::Diffractor.CompositeBundle{1, Base.Broadcast.Broadcasted{…}, Tuple{…}})
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/stage1/broadcast.jl:27
[12] materialize
@ Diffractor ./broadcast.jl:903 [inlined]
[13] (::Diffractor.∂☆internal{1})(::ZeroBundle{1, Type{Base.Broadcast.Broadcasted}}, ::Vararg{Diffractor.AbstractTangentBundle{1}})
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/stage1/forward.jl:121 [inlined]
[14] ∂☆
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/stage1/forward.jl:160 [inlined]
[15] #61
@ Diffractor ./REPL[45]:1 [inlined]
[16] (::Diffractor.∂☆recurse{1})(::ZeroBundle{1, var"#61#62"}, ::Diffractor.TangentBundle{1, Vector{Float64}, Diffractor.TaylorTangent{Tuple{Vector{Float64}}}})
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/stage1/recurse_fwd.jl:0
[17] (::Diffractor.∂☆internal{1})(::ZeroBundle{1, var"#61#62"}, ::Vararg{Diffractor.AbstractTangentBundle{1}})
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/stage1/forward.jl:121
[18] (::Diffractor.∂☆{1})(::ZeroBundle{1, var"#61#62"}, ::Vararg{Diffractor.AbstractTangentBundle{1}})
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/stage1/forward.jl:160
[19] (::Diffractor.var"#pushforward#359"{var"#61#62", Tuple{Vector{Float64}}})(vs::Tuple{Vector{Float64}})
@ Diffractor ~/.julia/packages/Diffractor/vzpvE/src/AbstractDifferentiation.jl:13
[20] (::Diffractor.var"#358#362"{Diffractor.var"#pushforward#359"{var"#61#62", Tuple{Vector{Float64}}}})(cols::Vector{Float64})
@ Diffractor ~/.julia/packages/AbstractDifferentiation/eEkWP/src/AbstractDifferentiation.jl:526
[21] mapslices(f::Diffractor.var"#358#362"{Diffractor.var"#pushforward#359"{var"#61#62", Tuple{Vector{Float64}}}}, A::Matrix{Float64}; dims::Int64)
@ Base ./abstractarray.jl:3179
[22] jacobian(b::DiffractorForwardBackend, f::Function, args::Vector{Float64})
@ Diffractor ~/.julia/packages/AbstractDifferentiation/eEkWP/src/AbstractDifferentiation.jl:524
[23] top-level scope
@ REPL[45]:1
Some type information was truncated. Use show(err) to see complete types.

Vorherrschende Sprache
Julia
Sterne
453
Forks
33
Keine gemergten PRs in 30 T.

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

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus JuliaDiff/Diffractor.jl

Alle Issues in JuliaDiff/Diffractor.jl

Ähnliche Issues

Weitere Issues zu Julia

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.