JuliaGPU/CUDA.jl

Support general eltypes in matrix factorizations (LU, QR, Cholesky)

Open

#1.458 geöffnet am 29. März 2022

Auf GitHub ansehen
 (0 Kommentare) (0 Reaktionen) (0 zugewiesene Personen)Julia (274 Forks)batch import
cuda librariesenhancementgood first issue

Repository-Metriken

Stars
 (1.408 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 5T 5h) (16 gemergte PRs in 30 T)

Beschreibung

Matrices with eltypes other than T <: CublasFloat should be supported in matrix factorizations (LU, QR, Cholesky) by promotion to a supported eltype during the copy that the non-mutating functions have to make anyway. This already works in many cases by reusing non-mutating methods in Base.LinearAlgebra and only specializing the mutating methods; however, Base tends to promote to Float64 when cuda would be better served by Float32, so it would be better to systematically handle this within CUDA.CUSOLVER.

Already implemented for matrix division and SVD in #1453. Submitting this issue to make sure it's not forgotten for the other factorizations.

Contributor Guide

Research-Richtung
Überprüfen Sie die Implementierung in PR #1453 für Matrixdivision und SVD und erweitern Sie das Muster auf LU , QR und Cholesky Zerlegungen.
Tech Stack
Keine
Domain
backend
Issue Type
Funktion
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
2
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
Halber Tag
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Frisch
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
JuliaGitLinear Algebra
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
70