Allow training the normalizing flow on a different JAX device
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 3/5
- Tempo stimato
- 1-2 giorni
- Idoneità per principianti
- 58/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Attiva
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Start by locating with_transform_adapt and tracing how flow training and per-gradient evaluation choose their JAX devices. The issue gives the expected call shape and reports a 1.6x per-epoch speedup in one prototype; compare behavior with and without train_device and check that training uses the requested device while gradient evaluation stays on the CPU.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
with_transform_adapt should take a device for training the flow, so training can run on a GPU while the per-gradient flow evaluation stays on the CPU next to the compiled logp. Gradient evaluations are single-point calls, and training works on batches of draws. A prototype that trains on an Apple GPU through jax-graft was 1.6x faster per epoch at 200 dimensions with an 8-layer flow.
compiled = compiled.with_transform_adapt(train_device=jax.devices("mtl")[0])
- 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
-
bug normalizing-flows
Difficoltà 4/5 3-5 giorni Idoneità per principianti 45/100
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