Hacktoberfest 2026: le issue che i maintainer hanno segnato per ottobre, aperte e adatte ai principianti. Sfoglia le issue Hacktoberfest

Error with Turing and ReverseDiff, adding matrices

Aperta
  • Qualcosa non va?
#175 3 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 1 giorno

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
45/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
julia
Ambito
devtools

Direzione di ricerca

Eseguire la Julia MWE e ispezionare il percorso che fallisce per l'addizione di matrici in ReverseDiff/src/derivatives/propagation.jl e src/derivatives/linalg/arithmetic.jl, in particolare increment_deriv! e special_reverse_exec!. Confrontare le combinazioni di matrici funzionanti e quelle che falliscono, quindi verificare che il modello Turing esegua correttamente il campionamento con ReverseDiff senza il MethodError segnalato.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

Hi -

I've been using ReverseDiff to run some models in Turing, and it appears a recent change from v1.7 to 1.8 has made my models stop working. I managed to narrow down the issue to a single line in the model, where I try to add two matrices. Oddly, it only seems to be an issue with particular combinations of matrices, but I'm not seeing the pattern, so I'm not sure what the problem is.

See MWE below:

using Turing, ReverseDiff

@model function efa(P)
    λ ~ filldist(Normal(0, 10), P, 1)
    Ψ ~ filldist(truncated(Normal(0, 5), 0, Inf), P)
    f_var ~ filldist(truncated(Normal(0, 5), 0, Inf), 1)

    Σ1 = λ * f_var * λ' + Diagonal(Ψ)        # Fails
    # Σ1 = λ * f_var * λ' + diagm(Ψ)           # Fails
    # Σ1 = randn(P, P) + Diagonal(Ψ)           # Works
    # Σ1 = λ * f_var * λ' + randn(P, P)        # Works
    # Σ1 = λ * f_var * λ' + Diagonal(ones(P))  # Works
end

Turing.setadbackend(:reversediff)
efa_test = efa(3)
@time m1 = sample(efa_test, NUTS(1, 0.65), MCMCThreads(), 1, 4)

Running this gives an error like this (only the first few lines of the stacktrace shown):

nested task error: MethodError: no method matching increment_deriv!(::Float64, ::Float64)
        Closest candidates are:
          increment_deriv!(::ReverseDiff.TrackedArray, ::Real, ::Any) at C:\Users\opus\.julia\packages\ReverseDiff\60noS\src\derivatives\propagation.jl:34
          increment_deriv!(::AbstractArray, ::Real, ::Any) at C:\Users\opus\.julia\packages\ReverseDiff\60noS\src\derivatives\propagation.jl:36    
          increment_deriv!(::AbstractArray, ::Any) at C:\Users\opus\.julia\packages\ReverseDiff\60noS\src\derivatives\propagation.jl:38
          ...
        Stacktrace:
          [1] increment_deriv!
            @ ~\.julia\packages\ReverseDiff\60noS\src\derivatives\propagation.jl:35 [inlined]
          [2] increment_deriv!(t::Matrix{Real}, x::Matrix{Float64})
            @ ReverseDiff ~\.julia\packages\ReverseDiff\60noS\src\derivatives\propagation.jl:40
          [3] special_reverse_exec!(instruction::ReverseDiff.SpecialInstruction{typeof(+), Tuple{ReverseDiff.TrackedArray{Float64, Float64, 2, Matrix{Float64}, Matrix{Float64}}, Matrix{Real}}, ReverseDiff.TrackedArray{Float64, Float64, 2, Matrix{Float64}, Matrix{Float64}}, Nothing})
            @ ReverseDiff ~\.julia\packages\ReverseDiff\60noS\src\derivatives\linalg\arithmetic.jl:50
          [4] reverse_exec!(instruction::ReverseDiff.SpecialInstruction{typeof(+), Tuple{ReverseDiff.TrackedArray{Float64, Float64, 2, Matrix{Float64}, Matrix{Float64}}, Matrix{Real}}, ReverseDiff.TrackedArray{Float64, Float64, 2, Matrix{Float64}, Matrix{Float64}}, Nothing})
            @ ReverseDiff ~\.julia\packages\ReverseDiff\60noS\src\tape.jl:93
          [5] reverse_pass!(tape::Vector{ReverseDiff.AbstractInstruction})
            @ ReverseDiff ~\.julia\packages\ReverseDiff\60noS\src\tape.jl:87
          [6] reverse_pass!
            @ ~\.julia\packages\ReverseDiff\60noS\src\api\tape.jl:36 [inlined]
Lingua principale
Julia
Stelle
396
Fork
61
Merge medio
23h 18m
PR unite (30g)
16

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

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di JuliaDiff/ReverseDiff.jl

Tutte le issue di JuliaDiff/ReverseDiff.jl

Issue simili

Altre issue su Julia

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.