Function to tell if you are being differentiated
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- julia
- Ambito
- backend-api-design
Direzione di ricerca
Inizia esaminando la pull request di Flux.jl collegata nell’issue e le convenzioni esistenti per rilevare la differenziazione automatica. La proposta non indica file di implementazione né test, e la sua semantica non è definita; stabilisci prima se l’API debba restituire un booleano, un Val o informazioni sull’ordine della derivata, prima di definire cosa significhi done.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Quite a few packages define a function to tell whether they are inside AD, as of https://github.com/FluxML/Flux.jl/pull/1863/files#r806287154 Flux has:
istraining() = false
# @adjoint istraining() = true, _ -> nothing
ChainRulesCore.rrule(::typeof(istraining)) = true, _ -> (NoTangent(),)
Maybe CRC should provide one?
It could be true/false. It could also be Val(true), or it could something more elaborate like:
order() = (fwd=0, rev=0, total=0)
What thoughts?
- Lingua principale
- Julia
- Stelle
- 267
- Fork
- 66
- Merge medio
- 1g 1h
- PR unite (30g)
- 9
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/ChainRulesCore.jl
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 28/100
JuliaDiff/ChainRulesCore.jl#712 ·
I maintainer di solito rispondono entro 1 giorno
-
variable scope of `@thunk`Forse già presa @chengchingwen l’ha presa 619 giorni fa. Aperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 32/100
JuliaDiff/ChainRulesCore.jl#684 ·
I maintainer di solito rispondono entro 1 giorno
-
good first issue Structural Tangent
Difficoltà 2/5 1-3 ore Idoneità per principianti 55/100
JuliaDiff/ChainRulesCore.jl#669 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
JuliaDiff/ChainRulesCore.jl#668 · 6 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
breaking
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
JuliaDiff/ChainRulesCore.jl#665 ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di JuliaDiff/ChainRulesCore.jl
Issue simili
-
`ShallowWaterModel` allocates ~9 KiB per grid point per RK3 stage on the CPUForse già presa @ali-ramadhan l’ha presa oggi. Apertaperformance 🏍️
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
CliMA/Oceananigans.jl#6421 · 1 reazione ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
NCAR/musica#1118 · 1 commento · 1 reazione ·
I maintainer di solito rispondono entro 1 giorno
-
`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 ·
-
README should say that row and column order must matchForse già presa @SAUMYARSH l’ha presa oggi. Aperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 84/100
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 82/100
OpenFUSIONToolkit/GPEC#644 ·
I maintainer di solito rispondono entro 3 giorni