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

Split FIFO optimization into multiple optimizers, don't call write explictily

Aperta
  • Qualcosa non va?
#705 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

I maintainer di solito rispondono entro 3 giorni

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
15/100
Tipo di issue
Refactoring
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
python
Ambito
compilers

Direzione di ricerca

Start with the FifoDepthOptimization optimizer, where it calls ModelGraph.write() and so runs self._writer_flow in the middle of another flow. Read how #641 fixed the related problem before changing anything. Done would mean the FIFO depth work is split into optimizers chained by new flows, with no explicit write call inside an optimizer, and the existing tests still passing.

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

Descrizione

enhancement

Details

The FifoDepthOptimization optimizer calls ModelGraph.write(), which executes the self._writer_flow as part of the optimizer, outside the main flow being executed. The main flow continues when the optimizer ends.

Potentially it would be safer to implement the fifo depth optimization as a flow, without an external flow interrupting it. This external flow calls many of the same optimizers a second time, which has more potential for problems. A problems discovered with this setup was fixed with #641, and it appears to be working, so this change is fairly low priority, unless we run into another problem.

Parts of hls4ml being affected

The FifoDepthOptimization would likely have to be split into multiple optimizers and new flows would have to be defined.

Lingua principale
Python
Stelle
2.2k
Fork
605
Merge medio
7g 35m
PR unite (30g)
19

Preparare l'ambiente

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 fastmachinelearning/hls4ml

Tutte le issue di fastmachinelearning/hls4ml

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.