AutoFastDifferentiation not working with NamedTuple context
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 48/100
Direzione di ricerca
Inizia con il percorso AutoFastDifferentiation e i metodi variablize mostrati nell’errore, quindi riproduci l’MWE fornito di Optimization.jl con un contesto dei parametri NamedTuple. Il lavoro è completato quando l’MWE viene eseguito correttamente con AutoFastDifferentiation, senza l’errore relativo al metodo mancante; confronta il suo comportamento con AutoForwardDiff.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Issue
AutoFastDifferentiation is not able to deal with a NamedTuple context which could happen when the parameters of an optimization is a NamedTuple.
The error message:
ERROR: MethodError: no method matching variablize(::@NamedTuple{v1::Float64, v2::Float64}, ::Symbol)
Closest candidates are:
variablize(::AbstractArray, ::Symbol)
variablize(::Number, ::Symbol)
MWE
Example taken from Optimization.jl, and modified to have a NamedTuple as p and use AutoFastDifferentiation
using Optimization
import FastDifferentiation
rosenbrock(u, p) = (p.v1 - u[1])^2 + p.v2 * (u[2] - u[1]^2)^2
u0 = zeros(2)
p = (v1=1.0, v2=100.0)
optf = OptimizationFunction(rosenbrock, AutoFastDifferentiation())
prob = OptimizationProblem(optf, u0, p)
sol = solve(prob, Optimization.LBFGS())
AutoForwardDiff works fine.
- Lingua principale
- Julia
- Stelle
- 317
- Fork
- 38
- Merge medio
- 7h 36m
- PR unite (30g)
- 4
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
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/DifferentiationInterface.jl
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
JuliaDiff/DifferentiationInterface.jl#1069 · 1 commento ·
-
bot
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
JuliaDiff/DifferentiationInterface.jl#1011 · 3 commenti ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
-
AutoEnzyme Jacobian preparation scalar-indexes Reactant traced arraysForse di nuovo libera Una pull request per questa issue è stata chiusa senza essere unita. Apertabackend wontfix
Difficoltà 4/5 3-5 giorni Idoneità per principianti 52/100
JuliaDiff/DifferentiationInterface.jl#1066 · 10 commenti ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
Tutte le issue di JuliaDiff/DifferentiationInterface.jl
Issue simili
-
Add project: Typst_jll.jlForse già presa @github-actions l’ha presa oggi. Apertaadd-project
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 76/100
YDX-2147483647/best-of-typst#590 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 67/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100