JuliaGPU/CUDA.jl

Support general eltypes in matrix factorizations (LU, QR, Cholesky)

Open

#1 458 ouverte le 29 mars 2022

Voir sur GitHub
 (0 commentaires) (0 réactions) (0 assignés)Julia (274 forks)batch import
cuda librariesenhancementgood first issue

Métriques du dépôt

Stars
 (1 408 stars)
Métriques de merge PR
 (Merge moyen 5j 5h) (16 PRs mergées en 30 j)

Description

Matrices with eltypes other than T <: CublasFloat should be supported in matrix factorizations (LU, QR, Cholesky) by promotion to a supported eltype during the copy that the non-mutating functions have to make anyway. This already works in many cases by reusing non-mutating methods in Base.LinearAlgebra and only specializing the mutating methods; however, Base tends to promote to Float64 when cuda would be better served by Float32, so it would be better to systematically handle this within CUDA.CUSOLVER.

Already implemented for matrix division and SVD in #1453. Submitting this issue to make sure it's not forgotten for the other factorizations.

Guide contributeur

Direction de recherche
Examinez l'implémentation dans la PR #1453 pour la division matricielle et SVD, et étendez le modèle aux factorisations LU, QR et de Cholesky.
Stack technique
Aucun
Domaine
backend
Type d'issue
Fonctionnalité
DifficultéDifficulté estimée pour un nouveau contributeur, de 1 pour un très petit changement à 5 pour un travail expert.
2
Temps estiméFourchette de temps approximative pour investiguer, implémenter, tester et préparer une pull request.
Une demi journée
Statut d'activitéDisponibilité apparente de l'issue : fraîche, active, ancienne, bloquée ou en attente d'un mainteneur.
Récente
ClartéClarté avec laquelle l'issue explique le changement attendu, les critères d'acceptation et la prochaine étape.
Claire
Prérequis
JuliaGitLinear Algebra
Accessibilité débutantScore de 1 à 100 estimant l'accessibilité de cette issue pour un premier contributeur.
70