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

feat(jax): consume the common optimizer configuration

Aperta
  • Qualcosa non va?
#5,867 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 2 giorni

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
48/100
Tipo di issue
Funzionalità
Chiarezza
Abbastanza chiara
Stato di attività
Tranquilla
Stack tecnologico
python
Ambito
machine-learning

Direzione di ricerca

Inizia individuando il percorso di training di JAX che costruisce la catena fissa Optax Adam e la gestione del blocco dell’optimizer di primo livello normalizzato. Traccia i test esistenti per checkpoint e riavvio, quindi aggiungi la copertura per le selezioni supportate, gli aggiornamenti deterministici a un passo, le varianti non supportate e lo stato dell’optimizer ripristinato. Il lavoro è completo quando vengono usati la trasformazione e i parametri selezionati senza accoppiare la pianificazione del learning rate alla selezione dell’optimizer.

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

Descrizione

enhancement

Summary

JAX training currently constructs a fixed Optax Adam chain and does not consume the normalized top-level optimizer block. Optimizer choices and parameters accepted by the common schema can therefore be ignored.

HybridMuon for DPA4 is tracked separately in #5771; this issue covers the general optimizer configuration and dispatch contract.

Scope

  • Read and validate the normalized optimizer configuration.
  • Add a JAX optimizer factory for the optimizer types that JAX can support.
  • Wire optimizer-specific parameters into the selected Optax transformation.
  • Fail explicitly for unsupported optimizer types instead of silently using Adam.
  • Preserve optimizer state through checkpoints and restarts.
  • Keep learning-rate scheduling separate from optimizer selection.

Acceptance criteria

  • Selecting a supported optimizer changes the transformation actually used by training.
  • Supported optimizer parameters affect deterministic one-step update tests.
  • Unsupported schema variants produce an actionable backend-specific error.
  • Adam's current behavior remains covered by regression tests.
  • Checkpoint/resume restores all optimizer state and reproduces the next update.
  • The factory provides the integration point required by #5771 without duplicating configuration parsing.

Refs #5756.

Coding agent: Codex
Codex version: codex-cli 0.144.4
Model: gpt-5.6-sol
Reasoning effort: xhigh

Lingua principale
Python
Stelle
2.1k
Fork
659
Merge medio
4g 13h
PR unite (30g)
9

Preparare l'ambiente

Apri in Codespaces

Avvia il container di sviluppo del progetto nel browser, con il tuo account GitHub.

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 deepmodeling/deepmd-kit

Tutte le issue di deepmodeling/deepmd-kit

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.