Replace this package with ForwardDiff's `Dual`?
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
Línea de trabajo
Comienza comparando la implementación de Dual de este paquete con el Dual de ForwardDiff, incluidas sus definiciones de derivadas y supertipos de tipo. Comprueba qué definiciones faltan en cada lado y evalúa el impacto en la compatibilidad de usar un subtipo de Real. Se considera terminado cuando se utiliza una única implementación compartida de Dual sin perder la funcionalidad de derivación existente.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
It's annoying to have to port functionality between these two packages. It would be better if there were only be one Dual implementation that development efforts can focus on, if we can get away with it. AFAIK, ForwardDiff's Dual number is strictly superior to the version implemented in this package - in addition to allowing nested dual (i.e. hyper-dual) numbers and N partials derivatives at once, it features the same performance as this package's Dual in the single-element case, and is just as easy to write new derivative definitions for.
I propose we pull out ForwardDiff's Dual type and place it here instead. Of course, we'd want to ensure that we include any derivative definitions here that are missing from ForwardDiff, and vice versa.
The only controversial part of this change is that ForwardDiff's Dual is a subtype of Real, whereas the Dual here is a subtype of Number. I would require that we keep the proposed Dual a subtype of Real, since the goal of a dual number implementation is to programmatically support the Real interface. I really don't think this will matter in any practical sense, but others may disagree.
- Lenguaje dominante
- Julia
- Estrellas
- 80
- Forks
- 27
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de JuliaDiff/DualNumbers.jl
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
JuliaDiff/DualNumbers.jl#94 · 2 comentarios ·
-
div() and rem()Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
JuliaDiff/DualNumbers.jl#93 ·
-
Complex DifferentiationAbierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 30/100
JuliaDiff/DualNumbers.jl#92 · 5 comentarios ·
-
bitmix not definedAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 35/100
JuliaDiff/DualNumbers.jl#88 ·
-
Should we export ϵ ≡ ε?Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 25/100
JuliaDiff/DualNumbers.jl#87 ·
Todos los issues de JuliaDiff/DualNumbers.jl
Issues similares
-
backport 1.14 GC
Dificultad 2/5 1-3 horas Aptitud para principiantes 66/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
JuliaDiff/TaylorSeries.jl#445 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
control-toolbox/CTActions#139 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 83/100
SciML/Optimization.jl#1448 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
SciML/PETScDiffEq.jl#362 ·
Los mantenedores suelen responder en 1 día