Limitations of `FiniteDifferences.to_vec` for `Tangent()`
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 35/100
Direzione di ricerca
Inizia leggendo l’implementazione di FiniteDifferences.to_vec e il contesto in #270. Determina come una ricostruzione duale dovrebbe rappresentare i valori missing senza sostituire i valori Tangent o NoTangent richiesti; il lavoro è completato quando il comportamento proposto è specificato e coperto dai test pertinenti.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
to_vec is great for working on complex structures but it has the limit of only reconstructing the primal representation.
For example, related to #270 , if I had a to_vec(x::AbstractVector{T,Missing}) where {T} definition such as:
function to_vec(x::AbstractVector{T,Missing}) where {T}
is = findall(ismissing, x)
not_is = findall(!ismissing, x)
xval, from_xval = to_vec(x[is])
function from_vec(x)
y = similar(x)
y[is] = from_xval(x)
y[not_is] .= missing
y
end
xval, from_vec
end
The primal reconstruction would work fine, but instead of returning some NoTangent for the missing values, it would just return missing and mess up the rest.
One solution would be to specify a dual version which would put the right Tangent types where needed.
- Lingua principale
- Julia
- Stelle
- 50
- 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/ChainRulesTestUtils.jl
-
code snippet in readmeAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
JuliaDiff/ChainRulesTestUtils.jl#148 · 1 reazione ·
-
use DocThemeIndigoApertadocumentation good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 45/100
-
mutation
Difficoltà 3/5 1-2 giorni Idoneità per principianti 45/100
Tutte le issue di JuliaDiff/ChainRulesTestUtils.jl
Issue simili
-
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
JuliaGPU/KernelAbstractions.jl#897 ·
I maintainer di solito rispondono entro 1 giorno
-
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