What is the best way to match against optional attributes?
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
- 30/100
Direzione di ricerca
La issue non indica file, test o punti di ingresso. Inizia individuando l’API di pattern matching utilizzata per DFT e confrontala con i quattro casi di attributi opzionali elencati; per completarla sarebbe necessario aver deciso un approccio per coprire questi casi senza regole duplicate non necessarie.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Suppose we need to remove an optional input of a node, for example, we want to replace DFT(x, None, -2) with DFT(x), since the default axis is -2, so we can remove the axis input.
The DFT node has two optional attributes (onesided and inverse). What is the best way to write pattern to cover these cases:
DFT(x, None, -2)->DFT(x)DFT(x, None, -2, onesided=1)->DFT(x, onesided=1)DFT(x, None, -2, inverse=1)->DFT(x, inverse=1)DFT(x, None, -2, inverse=1, onesided=1)->DFT(x, inverse=1, onesided=1)
It seems we need write four rules for the four cases, is there any better solutions? cc @justinchuby
- Lingua principale
- Python
- Stelle
- 457
- Fork
- 149
- Merge medio
- 3g 19h
- PR unite (30g)
- 23
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 microsoft/onnxscript
-
[torchlib] log2 and log10 lose float64 precisionForse già presa @Syedmudassir1604 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
microsoft/onnxscript#3143 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
microsoft/onnxscript#3003 · 3 commenti ·
I maintainer di solito rispondono entro 3 giorni
-
CI : Pin github actions to full commit SHAForse già presa @Aniketsy l’ha presa 182 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
microsoft/onnxscript#2903 · 6 commenti ·
I maintainer di solito rispondono entro 3 giorni
-
optimize() crashes when constant folding produces a string tensorForse già presa @nniiovoo l’ha presa 7 giorni fa. Aperta
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
microsoft/onnxscript#3129 ·
I maintainer di solito rispondono entro 3 giorni
-
bug module: torchlib
Difficoltà 3/5 1-2 giorni Idoneità per principianti 64/100
microsoft/onnxscript#3124 · 3 commenti · 1 reazione ·
I maintainer di solito rispondono entro 3 giorni
Tutte le issue di microsoft/onnxscript
Issue simili
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
aws/sagemaker-python-sdk#6554 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 78/100
huggingface/diffusers#15170 ·
I maintainer di solito rispondono entro 1 giorno
-
[BUG] LLM conflict check ignores MNEMOSYNE_LLM_MAX_TOKENS, so reasoning models return empty repliesAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
mnemosyne-oss/mnemosyne#1325 ·
I maintainer di solito rispondono entro 1 giorno
-
enhancement meshtastic-2.8
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
pskillen/meshflow-api#459 ·