API for user code to detect if it's being differentiated
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 20/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- julia
- Ambito
- backend-api-design, machine-learning
Direzione di ricerca
Inizia leggendo la pull request collegata di NNlib.jl e l’issue di ChainRulesCore.jl, quindi ripercorri la discussione attraverso la cronologia correlata. Il lavoro è completo quando il progetto dispone di un’API concordata che consenta al codice utente di rilevare la differenziazione tra i sistemi di differenziazione automatica che intende supportare.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
The most recent iteration of this discussion was https://github.com/FluxML/NNlib.jl/pull/434, but it goes back to https://github.com/JuliaDiff/ChainRulesCore.jl/issues/547 and much further. Given that not all ADs are ChainRules compatible but this package seeks to support (/eventually be supported by) all ADs, it feels like a much better home for such functionality than a domain-specific package like NNlib.
- 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 72/100
oscar-system/GAP.jl#1455 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
JuliaAI/MLJTransforms.jl#85 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
SciML/OrdinaryDiffEq.jl#4875 ·
I maintainer di solito rispondono entro 4 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