GPU locks up at full usage with EnsembleGPUKernel on tspan ensemble study
I maintainer di solito rispondono entro 2 giorni
@utkarsh530 ci sta già lavorando.
Dal 23/3/2023.
Valutazione
Questa issue non è ancora stata valutata.
Descrizione
The following code locks up a 1080 strix according to the GPU Tweak III software.
using DiffEqGPU, DifferentialEquations, StaticArrays
function sys_gpu!(u, params, t)
du1 = params[1]
du2 = params[2]
return SVector{2}(du1,du2)
end
function plateu_cycle_study_gpu()
plateu_cycle::Float32 = 8.0f0
w::Float32 = 0.34888f0
tstart::Float32 = 0.0f0
tend::Float32 = 2.0f0pi/w * (plateu_cycle+1.0f0)+1.0f0
tspan = (tstart, tend)
params= @SVector [w, plateu_cycle]
f0=1.0f0
g0=1.0f0
init_cond = SVector{2,Float32}(f0, g0)
prob = ODEProblem(sys_gpu!,init_cond,tspan, params)
plateu_cycle_end = 10.0f0
amount = 1000
plateu_cycle_study_values = collect(range(zero(Float32), plateu_cycle_end, length=amount))
new_tend = @. 2.0f0pi/w * (plateu_cycle_study_values+1.0f0)+1.0f0
new_tstart = zeros(Float32, size(new_tend))
function prob_func(prob, i, repeat)
remake(prob, tspan=(new_tstart[i],new_tend[i]), p=SVector{2}(prob.p[1], plateu_cycle_study_values[i]))
end
plateu_cycle_study_problem = EnsembleProblem(prob, prob_func=prob_func)
@time sim = solve(plateu_cycle_study_problem, GPUTsit5(), EnsembleGPUKernel(0), trajectories=amount)
end
plateu_cycle_study_gpu()
This code runs on CPU in less than a second with the appropiate changes, the GPU locks up and does nothing.
While this is seperate (and only possible if one removes the tspan part of the prob_func for aboves code), one can also produce a dynamic invocation error by changing these 3 lines to complex types (I would expect that floats and complex can be operated on together without explicitly making everything complex typed):
f0=complex(0.0f0)
g0=complex(1.0f0)
init_cond = SVector{2,Complexf32}(f0, g0)
bug report request from here:
https://stackoverflow.com/questions/75742366/dynamic-function-invocation-invalidirerror-with-diffeqgpu-ensemblegpukernel
- Lingua principale
- Julia
- Stelle
- 331
- Fork
- 43
- Merge medio
- 1g 20h
- PR unite (30g)
- 10
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 SciML/DiffEqGPU.jl
-
Adaptive kernel steppers: t += dt rounding decouples time from integrated length at large tForse già presa @ChrisRackauckas-Claude l’ha presa 42 giorni fa. Aperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
SciML/DiffEqGPU.jl#567 ·
I maintainer di solito rispondono entro 2 giorni
-
Adaptive kernel: ContinuousCallback just before a tstop suppresses the tstop's DiscreteCallbackAperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 55/100
SciML/DiffEqGPU.jl#558 ·
I maintainer di solito rispondono entro 2 giorni
-
GPUVern7 Float32 dense output is ~60 ulps off at mid-step for a constant RHS (visible at tstops)Aperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 62/100
SciML/DiffEqGPU.jl#554 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
SciML/DiffEqGPU.jl#546 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
SciML/DiffEqGPU.jl#540 ·
I maintainer di solito rispondono entro 2 giorni
Tutte le issue di SciML/DiffEqGPU.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
-
why not title! ?Apertaenhancement
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 70/100
MagneticResonanceImaging/MRIReco.jl#366 ·
I maintainer di solito rispondono entro 3 giorni
-
`AdamW` gives `NaN` for zero-gradient entries of `Float16` parameters (epsilon underflows to 0)Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 79/100
FluxML/Optimisers.jl#253 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
JuliaGraphs/GraphNeuralNetworks.jl#736 ·
I maintainer di solito rispondono entro 2 giorni