Add sparsity functionality to the Jacobian and Hessian functions?
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
Direzione di ricerca
Inizia esaminando i punti di ingresso delle funzioni Jacobian e Hessian e gli argomenti proposti colorvec, sparsity, output, jac_prototype e hes_prototype. Chiarisci l’API e il comportamento dei tipi di matrice con i maintainer, quindi aggiungi test che mostrino la differenziazione sparsa e il comportamento previsto di output e della decompressione.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
This would be the arguments:
colorvecfor the color vector of the independent directionssparsityfor the sparsity pattern used in the decompressionoutput,jac_prototype,hes_prototype, etc.: the matrix type to be used for the outputted matrix. If mutation then it's just the user given one.
The reason why output can be different from sparsity is because there are many cases where a matrix may be not dense enough for sparse LU-factorization to be efficient, but sparse differentiation may still be a substantial drop in the compute time.
- Lingua principale
- Julia
- Stelle
- 138
- Fork
- 18
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
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 JuliaDiff/AbstractDifferentiation.jl
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
JuliaDiff/AbstractDifferentiation.jl#132 · 1 commento ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
JuliaDiff/AbstractDifferentiation.jl#131 · 2 commenti · 1 reazione ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
JuliaDiff/AbstractDifferentiation.jl#129 · 1 commento ·
-
Configurable ForwardDiff tagApertafeature
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
Tutte le issue di JuliaDiff/AbstractDifferentiation.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
SciML/OrdinaryDiffEq.jl#4875 ·
I maintainer di solito rispondono entro 3 giorni
-
documentation
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 66/100
SciML/NonlinearSolve.jl#1372 ·
I maintainer di solito rispondono entro 1 giorno
-
Truncated discrete ccdf and logccdf return incorrect values at the lower atomForse già presa Una pull request collegata a questa issue è aperta o già unita. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 82/100
JuliaStats/Distributions.jl#2095 ·
-
documentation 📜 microphysics💧 ❄️
Difficoltà 2/5 1-3 ore Idoneità per principianti 63/100
NumericalEarth/Breeze.jl#1073 ·
I maintainer di solito rispondono entro 1 giorno