More precise mean_var for non-Dask dense arrays?
I maintainer di solito rispondono entro 1 giorno
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 25/100
Direzione di ricerca
Inizia leggendo src/fast_array_utils/stats/_mean_var.py intorno alla riga 40 e la modifica descritta in #127. Confronta i percorsi dense-in-core, Dask e sparse-in-core, concentrandoti sull’elevamento a potenza con float32 rispetto a float64 e sulle allocazioni temporanee. Il lavoro è completato quando viene selezionata e documentata una strategia di precisione per gli array densi, con i relativi compromessi in termini di memoria e prestazioni chiaramente illustrati.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
In #127, I changed how mean_var works just for Dask:
We already have a custom numba implementation for sparse-in-core which operates on float64s, but doesn’t convert everything at once.
We could make the change also affect dense-in-core. Should we
- leave things as they are and keep
powerfor float32 dense arrays as float32? It takes less space and is faster, but less precise. - do exponentiation in 64 bit everywhere? this would allocate an exponentiated array of the input size in 64 bit, but I guess if people’s machines can handle a temporary 2n (prod(shape)×32×2), they can handle a temporary 3n (prod(shape)×32 + prod(shape)×64)?
- implement a custom numba implementation for dense-in-core as well?
- Lingua principale
- Python
- Stelle
- 15
- Fork
- 5
- Merge medio
- 13h 45m
- PR unite (30g)
- 14
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 scverse/fast-array-utils
-
Difficoltà 1/5 1-3 ore Idoneità per principianti 74/100
scverse/fast-array-utils#165 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 72/100
scverse/fast-array-utils#224 · 1 commento ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 65/100
scverse/fast-array-utils#213 · 4 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
good first issue
Difficoltà 3/5 Mezza giornata Idoneità per principianti 38/100
scverse/fast-array-utils#100 · 4 commenti ·
I maintainer di solito rispondono entro 1 giorno
-
component: documentation
Difficoltà 5/5 Più di una settimana Idoneità per principianti 20/100
scverse/fast-array-utils#89 ·
I maintainer di solito rispondono entro 1 giorno
Tutte le issue di scverse/fast-array-utils
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
modelcontextprotocol/python-sdk#3648 ·
I maintainer di solito rispondono entro 1 giorno
-
docs good first issue
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
VenetoStato/giorgio#6 ·
-
Claiming namespace ddalusAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 70/100
EclipseFdn/open-vsx.org#13831 ·
I maintainer di solito rispondono entro 1 giorno
-
feature request
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
I maintainer di solito rispondono entro 2 giorni