Design discussion
Personne n'a encore pris cette issue.
Évaluation
- Difficulté
- 5/5
- Temps estimé
- Plus d'une semaine
- Accessibilité débutants
- 25/100
Piste de recherche
Commencez par src/NestedNumbers.jl et examples/usage_demo.jl, puis examinez les draft PRs associés ainsi que le contexte de Reactant et de Discourse. L’issue vise à recueillir les critiques de la communauté sur le nom du package, la hiérarchie des types et l’approche générale, plutôt qu’à spécifier une modification délimitée ; sa clôture nécessiterait de s’accorder sur une direction ou sur une proposition concrète de suivi.
Rédigé par le modèle d'indexation à partir du texte de l'issue.
Description
We have some number types in the Julia ecosystem that are "a bit special". The one's I have encountered most often are quantities (numbers with units), opaque/traced/symbolic numbers (value not accessible at all) and numbers that are "remote", i.e. that live on a separate compute-node/device/system (value accessible only with substantial latency).
Making such numbers subtypes of Real and Integer is tricky, dispatch wise, but also semantically not ideal - one might argue that a traced number with a real value is not actually a real number itself - I can operate on it, but I can't compare values and make a branching decision based on it (at least not during tracing). Likewise, a real number with a unit is clearly not a real number itself. On the other hand, user code often needs to restrict numerical type, both for semtantic and dispatch reasons - a function that will behave wrong for complex values should ideally not use Number at the argument type.
Also see https://github.com/EnzymeAD/Reactant.jl/issues/1570 and https://discourse.julialang.org/t/flexunits-jl-0-3-0-support-for-unitful-like-inference/134903/38 for context.
NestedNumbers is an attempt to create a bridge here - a super-lightweight package that user code can depend on and use for dispatch, while only minimal changes are required for unit packages or packages that use traced numbers like Reactant.
See the NestedNumbers demo, which requires these draft PRs:
- https://github.com/JuliaPhysics/Unitful.jl/pull/837
- https://github.com/Deduction42/FlexUnits.jl/pull/52
- https://github.com/JuliaPhysics/DynamicQuantities.jl/pull/198
- https://github.com/EnzymeAD/Reactant.jl/pull/2434
The final approach should ideally involve UnitsBase as well.
(Note that Reactant doesn't seem to work with unitful numbers in general yet, so the demo doesn't show a combination of both. )
The basic approach is this: NestedNumbers defines
- Abstract types like
OpaqueNumber{T}RemoteNumber{T}QuantityNumber{T}that packages that define number types can subtype. - Union typedefs like
AReal,AInteger,AComplex,ABoolandQReal,QInteger,QComplex,QBoolfor user/downstream code to dispatch on.
It's all in the single short source file.
Everyone involved/interested is more than welcome to comment and critique here, propose radical changes (feel free to open PRs), etc. NestedNumbers is not registered yet on purpose, everything is up for change including the package name. This is an attempt to see if this kind of approach can work and would be acceptable, and it's meant to involve the whole community.
- Langage dominant
- Julia
- Étoiles
- 2
- Forks
- 0
- Métriques de merge des PR
- Aucune PR mergée en 30 j
Préparer son environnement
Ce projet ne fournit ni conteneur de développement, ni Dockerfile, ni guide de contribution : l'installation est à votre charge. Commencez par son README, et consultez notre guide de la première contribution pour les étapes générales.
Par où commencer
- Lisez l'issue en entier, puis le guide de contribution du projet.
- Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
- Forkez le dépôt et travaillez sur une branche.
- Ouvrez une pull request qui référence le numéro de l'issue.
Issues similaires
-
bug
Difficulté 2/5 1-3 heures Accessibilité débutants 73/100
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 1/5 Moins d'une heure Accessibilité débutants 76/100
-
Difficulté 2/5 1-3 heures Accessibilité débutants 76/100
SciML/OrdinaryDiffEq.jl#4907 ·
Les mainteneurs répondent en général sous 4 jours
-
documentation model-weights
Difficulté 2/5 1-3 heures Accessibilité débutants 72/100
FluxML/Metalhead.jl#311 ·
Les mainteneurs répondent en général sous 1 jour
-
Difficulté 2/5 1-3 heures Accessibilité débutants 78/100
jump-dev/MathOptInterface.jl#3113 ·
Les mainteneurs répondent en général sous 1 jour