Broadcasting in Kernels

Abierto
  • ¿Algo no está bien?
#71 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 2 días

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
4/5
Tiempo estimado
3-5 días
Aptitud para principiantes
35/100
Tipo de issue
Error
Claridad
Necesita aclaración
Estado de actividad
Estancado
Stack tecnológico
julia
Área
hpc

Línea de trabajo

Comienza ejecutando el ejemplo de Julia con EnsembleGPUArray y compara las definiciones de f y f2, centrándote en las operaciones de broadcasting de f2. Rastrea cómo solve gestiona esta ruta del kernel y establece si el ejemplo debería ejecutarse correctamente; se considera terminado cuando el comportamiento de broadcasting previsto sea reproducible y esté verificado para el problema de ODE mostrado.

Escrito por el modelo de indexación a partir del texto del issue.

Descripción

upstream 
using DiffEqGPU, OrdinaryDiffEq
pa = [1.0]
u0 = [3.0]

function f(du,u,p,t)
    du[1] = 1.01 * u[1] * p[1]
end

function f2(du,u,p,t)
    du .= 1.01 .* u .* p
end

prob = ODEProblem(f2, u0, (0.0, 1.0), pa)

function prob_func(prob, i, repeat)
  remake(prob, u0 = 0.5 .+ i/100 .* prob.u0)
end

ensemble_prob = EnsembleProblem(prob, prob_func = prob_func)
sim = solve(ensemble_prob, Tsit5(), EnsembleGPUArray(), saveat = 0.1, trajectories = 100)
Lenguaje dominante
Julia
Estrellas
331
Forks
43
Merge medio
1 d 20 h
PR fusionados (30 d)
10

Preparar el entorno

Primeros pasos

  1. Lee el issue completo y luego la guía de contribución del proyecto.
  2. Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
  3. Haz un fork del repositorio y trabaja en una rama.
  4. Abre un pull request que haga referencia al número del issue.

Más de SciML/DiffEqGPU.jl

Todos los issues de SciML/DiffEqGPU.jl

Issues similares

Más issues de Julia

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.