Better document the impact of data dtype on performance
I maintainer di solito rispondono entro 2 giorni
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 56/100
- Tipo di issue
- Documentazione
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Tranquilla
- Stack tecnologico
- numpy, python
- Ambito
- documentation
Direzione di ricerca
Start by locating the napari documentation pages that explain image data and performance, then trace how Layer.data reaches the displayed GPU texture as suggested in the issue. Document the supported dtypes, when other dtypes are coerced during slicing, and the performance impact; done means users can find this guidance and understand the implications for large slices.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
🧰 Task
Our vispy/gpu pipeline only supports int8, uint8, int16, uint16, float32, other dtypes get coerced during slicing.
This has a pretty significant performance implication for large slices of e.g. float64 or in64 data.
See also: https://github.com/napari/napari/issues/1300#issuecomment-4274666208
Importantly, many numpy functions can produce float64 or int64 by default, triggering this issue.
We should raise more awareness of this in the documentation and possibly add an in-depth look at the data handling pipeline from Layer.data to the displayed gpu texture.
- Lingua principale
- Makefile
- Stelle
- 13
- Fork
- 71
- Merge medio
- 3g 11h
- PR unite (30g)
- 30
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Ha un modello di pull request
- Nessuna 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 napari/docs
-
Link Checker ReportApertamaintenance task
Difficoltà 1/5 1-3 ore Idoneità per principianti 75/100
I maintainer di solito rispondono entro 2 giorni
-
task
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
napari/docs#1152 · 3 commenti ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 1/5 1-3 ore Idoneità per principianti 62/100
napari/docs#653 · 1 reazione ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 57/100
napari/docs#1186 · 1 reazione ·
I maintainer di solito rispondono entro 2 giorni
Issue simili
-
Cleanup SetupForse già presa @AlexanderKaran l’ha presa oggi. Apertadocumentation enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 64/100
e18e/framework-tracker#769 ·
I maintainer di solito rispondono entro 1 giorno
-
fix(docker): correct stale --db-path comments in fetch/git Dockerfiles and clarify git READMEApertabug v2
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
modelcontextprotocol/servers#5483 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
simonw/sqlite-utils#928 ·
I maintainer di solito rispondono entro 3 giorni
-
agentic-workflows automation repo-assist
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 85/100
shanselman/winget-tui#483 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 90/100
griptape-ai/griptape-nodes-library-elevenlabs#30 ·
I maintainer di solito rispondono entro 1 giorno