Cannot apply multiplication operator on Fourier() space
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 42/100
Direzione di ricerca
Inizia riproducendo l’esempio con Multiplication su CosSpace, Laurent e Fourier, quindi segui Fourier MultiplicationWrapper e la sua interazione con ConcreteMultiplication. Usa il MethodError di axpy! che si verifica come punto di indagine immediato. Il lavoro è completato quando la moltiplicazione della funzione Fourier ha successo come per gli altri spazi, con un test di regressione che copra l’esempio.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
I tried to construct a multiplication operator on Fourier() space, but it produces an error once I apply it on a function. On any other space it works without problems
#multiply 1x1 in different spaces
fc = ones(CosSpace())
fL = ones(Laurent())
fF = ones(Fourier())
mulc = Multiplication(fc,CosSpace()) # type: ConcreteMultiplication
mulL = Multiplication(fL,Laurent()) # type: ConcreteMultiplication
mulF = Multiplication(fF,Fourier()) # type: MultiplicationWrapper
println(mulc*fc) # works
println(mulL*fL) # works
println(mulF*fF) # doesn't work
The last step multiplication produces the following error:
ERROR: MethodError: no method matching axpy!(::Float64, ::ApproxFunBase.SubOperator{Float64, ApproxFunBase.ConcreteMultiplication{CosSpace{PeriodicSegment{Float64}, Float64}, CosSpace{PeriodicSegment{Float64}, Float64}, Float64}, Tuple{UnitRange{Int64}, UnitRange{Int64}}, Tuple{Int64, Int64}, Tuple{Int64, Int64}}, ::SubArray{Float64, 2, BandedMatrices.BandedMatrix{Float64, Matrix{Float64}, Base.OneTo{Int64}}, Tuple{Vector{Int64}, Vector{Int64}}, false})
I noticed that the multiplication operators on CosSpace and Laurent are ConcreteMultiplications, while the multiplication operator on Fourier is a MultiplicationWrapper. Maybe this causes the error?
- Lingua principale
- Julia
- Stelle
- 563
- Fork
- 71
- Merge medio
- 23m
- PR unite (30g)
- 1
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
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 JuliaApproximation/ApproxFun.jl
-
tagbot-manual
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
-
How to add Gauge/Tau MethodAperta
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
JuliaApproximation/ApproxFun.jl#970 · 3 commenti ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
-
Plotting with MakieAperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 42/100
Tutte le issue di JuliaApproximation/ApproxFun.jl
Issue simili
-
`AMSGrad` state starts at `epsilon` instead of zero, so zero gradients move parameters and small gradients are dampedForse già presa @parth-patel010 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
FluxML/Optimisers.jl#247 · 1 commento ·
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 82/100
OpenFUSIONToolkit/GPEC#644 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
SciML/DataDrivenDiffEq.jl#694 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
JuliaLang/LinearAlgebra.jl#1834 ·
I maintainer di solito rispondono entro 1 giorno