Incorrect shape assertion in test_decode_prefixes_device_handling
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 1/5
- Tempo stimato
- Meno di un'ora
- Idoneità per principianti
- 52/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Ferma
- Stack tecnologico
- python
- Ambito
- machine-learning, testing-qa
Direzione di ricerca
Apri test/test_nn_objectives.py e esamina test_decode_prefixes_device_handling intorno alla riga 491, inclusa la forma attesa di decode. Esegui il test su un sistema con supporto CUDA e aggiorna l’assertion in modo che corrisponda all’ordine documentato (batch, n_prefixes, d_model).
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Bug Description
The test test_decode_prefixes_device_handling in tests/test_nn_objectives.py has an incorrect shape assertion on line 491.
Current Code
f_x = torch.randn(2, 32).cuda()
prefixes = torch.tensor([8, 16, 32])
x_hats = sae.decode(f_x, prefixes=prefixes)
assert x_hats.shape == (3, 2, 16) # BUG: Wrong shape!
Expected Behavior
The decode method returns tensors with shape (batch, n_prefixes, d_model). Given:
- batch_size = 2
- n_prefixes = 3
- d_model = 16
The correct shape should be (2, 3, 16) not (3, 2, 16).
Impact
This test is currently skipped on systems without CUDA, so the bug hasn't been caught by CI. However, on CUDA-enabled systems, this test would fail.
Fix
Change line 491 from:
assert x_hats.shape == (3, 2, 16)
to:
assert x_hats.shape == (2, 3, 16)
- Lingua principale
- Python
- Stelle
- 67
- Fork
- 12
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di Imageomics/saev
-
enhancement
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
Imageomics/saev#30 · 3 commenti ·
-
performance
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
Imageomics/saev#26 · 1 reazione ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 45/100
Imageomics/saev#17 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
Imageomics/saev#11 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
Imageomics/saev#10 ·
Tutte le issue di Imageomics/saev
Issue simili
-
bug server
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
sportsdataverse/sportsdataverse-py#641 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
googleapis/google-cloud-python#18532 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno