Hacktoberfest 2026: los issues que los mantenedores marcaron para octubre, abiertos y aptos para principiantes. Explorar issues de Hacktoberfest

MiniMax H3 VAE working-memory docstring states ~1.3-1.4x its measured peaks; the 243-frame case is 1.44x

Abierto Apto para principiantes
  • ¿Algo no está bien?
#9,629 0 comentarios 0 reacciones 0 asignados Ver en GitHub

Los mantenedores suelen responder en 2 días

Nadie ha tomado este issue todavía.

Evaluación

Dificultad
1/5
Tiempo estimado
Menos de una hora
Aptitud para principiantes
88/100
Tipo de issue
Documentación
Claridad
Bien especificado
Estado de actividad
Tranquilo
Stack tecnológico
python
Área
machine-learning

Línea de trabajo

Abre invokeai/backend/util/vae_working_memory.py y encuentra estimate_vae_working_memory_minimax_h3(). Actualiza únicamente la declaración final del docstring para describir la proporción medida a 90 frames y 243 frames, señalando que la proporción crece con la longitud del clip. La tarea está terminada cuando la redacción coincide con las mediciones proporcionadas y la fórmula y el comportamiento permanecen sin cambios.

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

Descripción

Found during review of invoke-ai/InvokeAI-7#84 (size VAE decode memory from measured peaks). Documentation-only; the formula itself is correct and does what the PR set out to do.

What

estimate_vae_working_memory_minimax_h3() in invokeai/backend/util/vae_working_memory.py closes its docstring with:

Calibrated 2026-08-09 on a W7900 (gfx1100, fp32, real released config), peak reserved: [...] a full 768x1344 decode 4.37 GiB at 90 frames and 7.92 GiB at 243 frames. This formula returns ~1.3-1.4x those.

Evaluating the shipped formula against those two points (released geometry: tokens_chunk_size=5, token_overlap=2, temporal_compression_ratio=4, fp32):

Case Measured Formula Ratio
768x1344 decode, 90 frames 4.37 GiB 5.73 GiB 1.31x
768x1344 decode, 243 frames 7.92 GiB 11.38 GiB 1.44x

So the lower bound is right and the upper bound is slightly understated.

Why it matters

Small, but the number is load-bearing documentation. The margin here is the whole point of the change — under-reserving is not a near miss, it is an unrecoverable failure that surfaces from hipBLAS as HIPBLAS_STATUS_INTERNAL_ERROR and is not even recognised as an OOM by the model cache. Anyone later tuning MINIMAX_H3_ALLOCATOR_HEADROOM or MINIMAX_H3_CHUNK_BYTES_PER_PIXEL will reason from this sentence, and it understates how much headroom is actually being taken from the weight budget at long clip lengths.

Note the ratio is not constant — it grows with clip length, because the clip term scales with frames while the chunk term does not. "~1.3-1.4x" reads as a flat factor when it is really a range that widens.

Suggested fix

Restate as measured, e.g. "returns 1.3x at 90 frames rising to ~1.45x at 243 — the ratio grows with clip length, since the clip term scales with frame count and the chunk term does not."

Scope

Docstring only, invokeai/backend/util/vae_working_memory.py. No behaviour change. Low priority.

Lenguaje dominante
TypeScript
Estrellas
28.9k
Forks
3.1k
Merge medio
3 d 18 h
PR fusionados (30 d)
197

Preparar el entorno

  • Sin Dockerfile ni archivo de Docker Compose
  • Tiene una plantilla de pull request
  • Sin guía de contribución

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 invoke-ai/InvokeAI

Todos los issues de invoke-ai/InvokeAI

Issues similares

Más issues de TypeScript

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.