Flows rebuilt with the same structure retrace every jitted function
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 48/100
- Tipo di issue
- Bug
- Chiarezza
- Specificata chiaramente
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning, performance
Direzione di ricerca
Start by reading make_flow in nutpie.normalizing_flow and flowjax.utils.get_ravelled_pytree_constructor, which the issue identifies as creating new closures on each rebuild. Reproduce the example with the JAX backend and compare trace counts across identical flow structures. Done when repeated builds reuse JIT cache entries and the example reports fewer traces.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Flows that make_flow builds with the same seed and configuration never share a jit cache entry, so each rebuild during adaptation traces and compiles the loss and the hot-path functions again. The flows store new function objects in static fields. make_flow creates the scale-map lambda on every call, and flowjax.utils.get_ravelled_pytree_constructor returns a new closure for every coupling layer. In a 50-dimensional run with the JAX backend, _init_from_transformed_position compiled 8 times, and the run compiled 620 XLA programs in total.
import equinox as eqx
import jax.numpy as jnp
import numpy as np
from nutpie.normalizing_flow import make_flow
traces = 0
@eqx.filter_jit
def log_det(flow, x):
global traces
traces += 1
return flow.transform_and_log_det(x)[1]
rng = np.random.default_rng(0)
for n_layers in [0, 4]:
traces = 0
for _ in range(5):
draws = rng.normal(size=(200, 10))
flow = make_flow(0, draws, -draws, n_layers=n_layers) # same seed and config every time
log_det(flow, jnp.zeros(10, dtype=jnp.float32))
print(f"n_layers={n_layers}: {traces} traces for 5 flows with identical structure")
# n_layers=0: 5 traces for 5 flows with identical structure
# n_layers=4: 5 traces for 5 flows with identical structure
- Lingua principale
- Python
- Stelle
- 214
- Fork
- 30
- Merge medio
- 3h 50m
- PR unite (30g)
- 1
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
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 pymc-devs/nutpie
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
-
Switch example to cmdstanpyAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 72/100
-
with_data fails with a list on the jax backendForse già presa @RaphaelFakhri l’ha presa 17 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 35/100
-
normalizing-flows
Difficoltà 3/5 1-2 giorni Idoneità per principianti 58/100
Tutte le issue di pymc-devs/nutpie
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
I maintainer di solito rispondono entro 1 giorno
-
enhancement
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
dgunning/edgartools#2019 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
topoteretes/cognee#6818 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
source_verification_agent: no outcome when the publisher confirms a work but its DOI resolves to a different recordForse già presa @pinjun99 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
Imbad0202/academic-research-skills#1159 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: DoubleMLData.from_arrays checks the treatment d with force_all_x_finite instead of force_all_d_finiteForse già presa @leninworld l’ha presa oggi. Aperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
DoubleML/doubleml-for-py#471 ·
I maintainer di solito rispondono entro 1 giorno