fit_to_data compiles about 26 XLA programs for every new window size
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 49/100
- Tipo di issue
- Bug
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning, performance
Direzione di ricerca
The issue points to fit_to_data, fit_flow, and the step calls in the training loop, but names no source file or test. Start by locating those entry points and tracing how changing window and batch shapes trigger compilation; use the supplied reproduction to measure compilations across window sizes. Done means reducing repeated XLA compilations while preserving the training behavior.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
fit_to_data, the flow's training loop, compiles about 26 XLA programs each time the adapter hands it a window of a new size. Window sizes change until the window reaches its maximum length. The shuffle, the train/validation split, the batching and count_fruitless run as eager JAX ops on arrays whose shapes change, and every batch is a separate jitted step call.
import logging
import jax
import numpy as np
from nutpie.transform_adapter import FisherLoss, fit_flow, make_transform_adapter
compiles = []
class CountCompiles(logging.Handler):
def emit(self, record):
if "Finished XLA compilation" in record.getMessage():
compiles.append(record.getMessage())
jax.config.update("jax_log_compiles", True)
logging.getLogger("jax").addHandler(CountCompiles())
logging.getLogger("jax").setLevel(logging.WARNING)
rng = np.random.default_rng(0)
draws = rng.normal(size=(600, 20))
make_flow_fn = make_transform_adapter(num_layers=4).keywords["make_flow_fn"]
flow = make_flow_fn(0, draws, -draws, n_layers=4)
for n_draws in [137, 265, 393, 521, 600, 600]: # the window sizes nutpie's adapter trains on
before = len(compiles)
fit_flow(jax.random.PRNGKey(0), flow, FisherLoss(), draws[:n_draws], -draws[:n_draws], np.zeros(n_draws),
max_epochs=30, max_patience=30, batch_size=128, show_progress=False)
print(f"n_draws={n_draws}: {len(compiles) - before} XLA compilations")
# n_draws=137: 47, 265: 26, 393: 27, 521: 26, 600: 26, 600: 2
- 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