`map` of a `TrackedArray` and a `StaticArray` is ambiguous
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 3/5
- Tiempo estimado
- 1-2 días
- Aptitud para principiantes
- 74/100
Línea de trabajo
Start in src/derivatives/elementwise.jl and inspect ReverseDiff's map and broadcast methods for DiffRules and SKIPPED_BINARY_SCALAR_FUNCS, then compare the related fixes in issues #307 and #153. Run the reproducer with StaticArrays to confirm the ambiguity. Done means the shown gradient call no longer raises the ambiguous map MethodError.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
using ReverseDiff, StaticArrays
ReverseDiff.gradient(x -> sum(map(+, x, SVector(1.0, 2.0))), [3.0, 4.0])
MethodError: map(::typeof(+), ::ReverseDiff.TrackedArray{Float64, Float64, 1, Vector{Float64}, Vector{Float64}}, ::SVector{2, Float64}) is ambiguous.
ReverseDiff defines map (and broadcast) methods for the functions in DiffRules and SKIPPED_BINARY_SCALAR_FUNCS, with the untracked argument typed as each entry of ARRAY_TYPES (src/derivatives/elementwise.jl). These methods cross StaticArrays' map(f, ::StaticArray, ::AbstractArray...). It's the same kind of ambiguity as the +/-/* ones fixed in #307 (#153).
🤖 Generated with Claude Code
- Lenguaje dominante
- Julia
- Estrellas
- 397
- Forks
- 62
- Merge medio
- 8 h 9 min
- PR fusionados (30 d)
- 4
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 46/100
JuliaDiff/ReverseDiff.jl#327 · 2 comentarios ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 56/100
JuliaDiff/ReverseDiff.jl#321 ·
Todos los issues de JuliaDiff/ReverseDiff.jl
Issues similares
-
release preparation spack
Dificultad 2/5 1-3 horas Aptitud para principiantes 67/100
Los mantenedores suelen responder en 1 día
-
30-minutes algorithm any-language codewars dart easy elixir hackerrank hacktoberfest haskell help wanted interview-prep julia leetcode lua open-source r scala students zig
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
Huerte/algo-solutions-python#163 ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
QuantumSavory/QuantumClifford.jl#853 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 66/100
JuliaPackaging/Yggdrasil#15441 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
bug
Dificultad 1/5 Menos de una hora Aptitud para principiantes 78/100
JuliaSmoothOptimizers/Penelopt.jl#260 ·
Los mantenedores suelen responder en 1 día