More memory allocated after update to Julia 1.6.1
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 32/100
- Tipo de issue
- Error
- Claridad
- Bastante claro
- Estado de actividad
- Estancado
- Stack tecnológico
- julia
- Área
- performance
Línea de trabajo
Ejecuta el ejemplo proporcionado de BenchmarkTools con ForwardDiff.hessian! en Julia 1.5.4 y 1.6.1, comparando las asignaciones y el tiempo de ejecución. Determina si la regresión está en ForwardDiff v0.10.18 o en la actualización de Julia; se considera terminado cuando se haya establecido una explicación o una corrección reproducible.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I'm trying to figure out why a code of mine allocates twice the amount of memory and takes twice as long after updating to 1.6.1 (from 1.5.4). One of the lines thats allocating more memory (according to the profile) is the call to ForwardDiff.hessian!. I haven't managed to reproduce this in an MWE, however, this simple code
using ForwardDiff
using BenchmarkTools
using LinearAlgebra
f(C,ε) = (C*ε)⋅ε
ε = rand(6)
C = rand(6,6)
@btime ForwardDiff.hessian!(out, x->f($C,x), $ε) setup=(out = DiffResults.HessianResult(ε))
also results in more memory being allocated on 1.6.1
----------------
1.5
----------------
3.191 μs (12 allocations: 8.28 KiB)
----------------
1.6
----------------
3.973 μs (11 allocations: 13.31 KiB)
Any ideas what could cause that. That difference is not as large as the one I see in the profiler (there it's about 7 times more memory allocation for 1.6) though.
Version: ForwardDiff v0.10.18
- Lenguaje dominante
- Julia
- Estrellas
- 1k
- Forks
- 162
- 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/ForwardDiff.jl
-
missing floatmin, floatmax, and issubnormal for DualPosiblemente ocupada @devmotion la tomó hace 16 días. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
JuliaDiff/ForwardDiff.jl#852 · 6 comentarios ·
-
`fma` and `muladd` ignore NaN-safe modePosiblemente ocupada @devmotion la tomó hace 1 día. Abierto
Dificultad 3/5 1-2 días Aptitud para principiantes 55/100
JuliaDiff/ForwardDiff.jl#860 ·
-
Enable NaN-safe mode by defaultPosiblemente ocupada @devmotion la tomó hace 3 días. Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
JuliaDiff/ForwardDiff.jl#857 · 1 reacción ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 52/100
JuliaDiff/ForwardDiff.jl#854 · 1 comentario ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 75/100
JuliaDiff/ForwardDiff.jl#849 ·
Todos los issues de JuliaDiff/ForwardDiff.jl
Issues similares
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
JuliaGPU/KernelAbstractions.jl#897 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
oscar-system/GAP.jl#1455 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
JuliaAI/MLJTransforms.jl#85 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
SciML/OrdinaryDiffEq.jl#4875 ·
Los mantenedores suelen responder en 4 días