MethodError: ReverseDiff.TrackedReal ... is ambiguous.
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 28/100
Línea de trabajo
Comienza con el stack trace de CI enlazado e inspecciona lib/real.jl de Tracker y tracked.jl de ReverseDiff alrededor de los constructores en conflicto que se muestran allí. Establece una reproducción mínima para la expresión de gradiente de Zygote-over-ReverseDiff; se considera terminado cuando la ambigüedad se haya resuelto o exista una razón documentada por la que no se puede corregir, con cobertura para este caso.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I got an error when I used Zygote over ReverseDiff for a neural ODE
Test threw exception
Expression: !(isnothing(Zygote.gradient(diff_loss, ps)))
MethodError: ReverseDiff.TrackedReal{ForwardDiff.Dual{ForwardDiff.Tag{ODEFunction{false, SciMLBase.FullSpecialize, ICNF.var"#f_aug#48"{AbstractDifferentiation.ReverseDiffBackend, Planar{Float64, Array}, NamedTuple{(), Tuple{}}, Int64}, LinearAlgebra.UniformScaling{Bool}, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, typeof(SciMLBase.DEFAULT_OBSERVED), Nothing, Nothing}, Float64}, Float64, 2}, ForwardDiff.Dual{ForwardDiff.Tag{ODEFunction{false, SciMLBase.FullSpecialize, ICNF.var"#f_aug#48"{AbstractDifferentiation.ReverseDiffBackend, Planar{Float64, Array}, NamedTuple{(), Tuple{}}, Int64}, LinearAlgebra.UniformScaling{Bool}, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, typeof(SciMLBase.DEFAULT_OBSERVED), Nothing, Nothing}, Float64}, Float64, 2}, Nothing}(::ForwardDiff.Dual{ForwardDiff.Tag{ODEFunction{false, SciMLBase.FullSpecialize, ICNF.var"#f_aug#48"{AbstractDifferentiation.ReverseDiffBackend, Planar{Float64, Array}, NamedTuple{(), Tuple{}}, Int64}, LinearAlgebra.UniformScaling{Bool}, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, Nothing, typeof(SciMLBase.DEFAULT_OBSERVED), Nothing, Nothing}, Float64}, Float64, 2}) is ambiguous. Candidates:
(T::Type{<:Real})(x::ForwardDiff.Dual) in Tracker at /home/runner/.julia/packages/Tracker/9xWLl/src/lib/real.jl:110
ReverseDiff.TrackedReal{V, D, O}(value) where {V, D, O} in ReverseDiff at /home/runner/.julia/packages/ReverseDiff/YkVxM/src/tracked.jl:56
Possible fix, define
ReverseDiff.TrackedReal{V, D, O}(::ForwardDiff.Dual) where {V, D, O}
I don't know how to reproduce it with a simple code, If it can't be fixed without the original code; please close this issue.
Stacktrace:
https://github.com/impICNF/ICNF.jl/actions/runs/4099293121/jobs/7069064588#step:6:1680
- Lenguaje dominante
- Julia
- Estrellas
- 397
- Forks
- 62
- Merge medio
- 11 h 37 min
- PR fusionados (30 d)
- 6
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/ReverseDiff.jl
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 86/100
JuliaDiff/ReverseDiff.jl#318 ·
-
`@grad`/`@grad_from_chainrules` silently reuse a tangent if a pullback returns too few tangentsAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 83/100
JuliaDiff/ReverseDiff.jl#315 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 84/100
JuliaDiff/ReverseDiff.jl#314 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 56/100
JuliaDiff/ReverseDiff.jl#321 ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 72/100
JuliaDiff/ReverseDiff.jl#320 ·
Todos los issues de JuliaDiff/ReverseDiff.jl
Issues similares
-
`AMSGrad` state starts at `epsilon` instead of zero, so zero gradients move parameters and small gradients are dampedPosiblemente ocupada @parth-patel010 la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
FluxML/Optimisers.jl#247 · 1 comentario ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 82/100
OpenFUSIONToolkit/GPEC#644 ·
Los mantenedores suelen responder en 3 días
-
An unknown `wellformed` level is accepted, so a misspelled `:strict` skips the strict checksAbierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 62/100
SciML/DataDrivenDiffEq.jl#694 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
JuliaLang/LinearAlgebra.jl#1834 ·
Los mantenedores suelen responder en 1 día