Cartesian_to_spherical_coordinates returns NaN gradients near (0, 0, 1).
Dieses Issue hat noch niemand übernommen.
Bewertung
- Schwierigkeit
- 2/5
- Geschätzter Aufwand
- 1-3 Stunden
- Anfängerfreundlichkeit
- 35/100
- Issue-Typ
- Dokumentation
- Klarheit
- Größtenteils klar
- Aktivitätsstatus
- Veraltet
- Tech-Stack
- python
- Bereich
- computer-graphics, documentation
Rechercherichtung
Beginne mit dem Einstiegspunkt Cartesian_to_spherical_coordinates und seinem aktuellen Docstring und vergleiche anschließend die im Issue verlinkte generierte TensorFlow API-Seite. Bestätige, wie der bestehende Text die Glattheit beschreibt, und aktualisiere die relevante Dokumentation, um mögliche NaN-Gradienten und den gemeldeten toten Link abzudecken; fertig ist die Aufgabe, wenn die lokale Dokumentation und die Website-Dokumentation das Verhalten der Funktion korrekt widerspiegeln.
Vom Indexierungsmodell aus dem Issue-Text verfasst.
Beschreibung
Hello tensorflow-graphics team,
Could you please update the docstring to mention that NaNs gradients can be returned?
You could also consider printing a warning when the input is close to (0, 0, 1) or returning a gradient other than NaNs (e.g. 1 or 0). Alternatively, branching based on (z/radius) to use arcsin rather than arccos can also minimize numerical instabilities in the gradient, though it may also reduce performance. See [2] for an example.
The docstring mentions that this function is not smooth at (0, 0, 1) but does not specify that NaN gradients can occur. Furthermore, the website [1] is not updated to mention the smoothness and has a dead github link (Related to #383?).
[1] https://www.tensorflow.org/graphics/api_docs/python/tfg/math/math_helpers/cartesian_to_spherical_coordinates
[2] https://colab.research.google.com/drive/1ECn4eYaeQfRfXaC46BX75ZDZmwSkMkWH?usp=sharing
- Vorherrschende Sprache
- Python
- Sterne
- 2.8k
- Forks
- 374
- Ø Merge
- 5 T. 9 Std.
- Gemergte PRs (30 T.)
- 1
Entwicklungsumgebung
- Kein Dockerfile und keine Docker-Compose-Datei
- Keine Pull-Request-Vorlage
- Beitragsleitfaden lesen
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 tensorflow/graphics
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 62/100
tensorflow/graphics#468 ·
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 25/100
tensorflow/graphics#5337 ·
-
Schwierigkeit 3/5 1-2 Tage Anfängerfreundlichkeit 25/100
tensorflow/graphics#730 ·
-
Schwierigkeit 4/5 3-5 Tage Anfängerfreundlichkeit 35/100
tensorflow/graphics#729 ·
-
Schwierigkeit 5/5 Über eine Woche Anfängerfreundlichkeit 10/100
tensorflow/graphics#724 ·
Alle Issues in tensorflow/graphics
Ähnliche Issues
-
Wayback LinksOffen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 82/100
chnm/teachinghistory-hugo#53 ·
-
gpt-oss "Forcing a tool call" row no longer reproduces: tool_choice is now honoured on every surfaceOffen
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 83/100
aws-samples/sample-per-model-bedrock#840 ·
Maintainer antworten meist innerhalb von 1 Tag
-
Schwierigkeit 1/5 Unter einer Stunde Anfängerfreundlichkeit 85/100
521xueweihan/HelloGitHub#4318 ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 72/100
DiamondLightSource/eiger-correction#2 · 1 Kommentar ·
-
Schwierigkeit 2/5 1-3 Stunden Anfängerfreundlichkeit 68/100
django-cms/djangocms-frontend#413 ·