Coordinates on GPU memory or CPU memory?
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 35/100
Línea de trabajo
Start with the .cupy.as_cupy() accessor method linked in the issue, then review the referenced xarray pull requests, issues, and discussions. Compare the CPU and GPU coordinate cases described there and establish a recommended default, including whether supporting an explicit choice is needed; done means the behavior and rationale are clearly decided.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Gathering some scattered threads here and there on what might be best practice on allocating an xarray DataArray or Dataset's coordinates in host (CPU) or device (GPU) memory.
- https://github.com/pydata/xarray/pull/10079
- https://github.com/pydata/xarray/issues/11251
- https://github.com/Parcels-code/Parcels/issues/2534
- https://github.com/pydata/xarray/pull/10078#issuecomment-2687936426
- https://github.com/pydata/xarray/discussions/9249#discussioncomment-10056899
- https://github.com/pydata/xarray/issues/3232#issuecomment-771066618
Prevailing assumption was that coordinates should be loaded on CPU memory by default to conserve GPU memory resources. E.g. these lines in the .cupy.as_cupy() accessor method enforces that:
show that data is converted from NumPy (CPU) -> CuPy (GPU), while coords remain on CPU (technically, it just re-uses whatever the coords array was originally).
Question is: are there cases where it might make sense to load the coordinates into GPU memory too? Should there be an option to allow for either behaviour (keep coords on CPU, or move coords to GPU)?
- Lenguaje dominante
- Python
- Estrellas
- 86
- Forks
- 19
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Guía de contribución
No hay ninguna guía de contribución indexada para este repositorio
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 xarray-contrib/cupy-xarray
-
Dificultad 3/5 1-2 días Aptitud para principiantes 35/100
-
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
xarray-contrib/cupy-xarray#85 · 2 comentarios ·
-
bug
Dificultad 3/5 1-2 días Aptitud para principiantes 35/100
-
apply_ufunc problem Abierto
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
xarray-contrib/cupy-xarray#69 · 4 comentarios ·
-
Dificultad 3/5 1-2 días Aptitud para principiantes 38/100
xarray-contrib/cupy-xarray#58 · 3 comentarios ·
Todos los issues de xarray-contrib/cupy-xarray
Issues similares
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
stephrobert/dsoxlab#238 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
sublimehq/package_control#1780 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 65/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 70/100
nwg-piotr/nwg-displays#145 ·