JuliaGPU/CUDA.jl

Schur decomposition

Open

#2077 aperta il 11 set 2023

Vedi su GitHub
 (1 commento) (0 reazioni) (0 assegnatari)Julia (274 fork)batch import
enhancementhelp wanted

Metriche repository

Star
 (1408 star)
Metriche merge PR
 (Merge medio 5g 5h) (16 PR mergiate in 30 g)

Descrizione

Schur decomposition is implemented efficiently on GPU in PyTorch, Jax, and MatLab. It is an essential ingredient for the efficient computation of matrix square root (sqrtm).

It would be ideal to have this decomposition implemented directly in CUDA.jl. The only alternative I see at the moment is full-on diagonalization which is less efficient and less stable.

Guida contributor

Direzione di ricerca
Studia l'implementazione delle decomposizioni di matrici esistenti in CUDA.jl (es. eigendecomposizione) per comprendere la struttura del codice. Quindi implementa la decomposizione di Schur usando la funzione gees di cuSOLVER. Fai riferimento alle implementazioni PyTorch/JAX per indicazioni.
Tech stack
Nessuno
Dominio
backendperformance
Tipo issue
Funzionalità
DifficoltàQuanto dovrebbe essere impegnativa per un nuovo contributor.
4
Tempo stimatoTempo stimato per completare e verificare uno scope piccolo.
Oltre 1 settimana
Stato attivitàQuanto è probabile che la issue sia ancora attiva e reviewable.
Attiva
ChiarezzaQuanto chiaramente la issue descrive problema, scope e risultato atteso.
Chiara
Prerequisiti
JuliaCUDALinear AlgebraGit
Adatta ai principiantiQuanto la issue è adatta a contributor alla prima esperienza.
20