PyHealth processors -> embeddings not clear which are compatible
I maintainer di solito rispondono entro 3 giorni
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 35/100
- Tipo di issue
- Refactoring
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Ferma
- Stack tecnologico
- python
- Ambito
- machine-learning
Direzione di ricerca
Start by reading the existing EmbeddingModels implementation and its documentation, docstrings, and typing checks; the issue does not name specific files or tests. Identify how models currently express processor compatibility and embedding types, including the adaptive approaches used for ConCare and AdaCare. Done means embeddings are split for readability while supporting multiple embeddings per processor and multiple processors per embedding, with compatibility defined by the model.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
We either need to update our documentation or make it more streamlined somehow.
- Documentation, and doc strings, and typing checks
We need to split EmbeddingModels into separate embedding models for easier readability.
- same processor can have multiple potential embeddings (yes)
- same embeddings can support multiple processors potentially as well.
The model itself should define processor compatibility and embedding types.
For concare, adacare, etc. we can simply use our existing adaptive approaches.
- Lingua principale
- Python
- Stelle
- 1.7k
- Fork
- 803
- Merge medio
- 5g 7h
- PR unite (30g)
- 58
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la 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 sunlabuiuc/PyHealth
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
sunlabuiuc/PyHealth#1346 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 30/100
sunlabuiuc/PyHealth#1297 ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 22/100
sunlabuiuc/PyHealth#1295 · 1 commento ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 42/100
sunlabuiuc/PyHealth#1294 · 1 commento ·
I maintainer di solito rispondono entro 3 giorni
-
Internal transfers are counted as readmissionsForse già presa @thebean27 l’ha presa 23 giorni fa. Aperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
sunlabuiuc/PyHealth#1269 · 3 commenti ·
I maintainer di solito rispondono entro 3 giorni
Tutte le issue di sunlabuiuc/PyHealth
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 86/100
-
Validate finite output clamping limits in StepPredictor.prepare_clamping_params to prevent silent NaN/Inf propagationForse già presa @muskan-creates352 l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
mllam/neural-lam#848 ·
I maintainer di solito rispondono entro 2 giorni
-
infra
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 88/100
fab-geocommuns/RNB-coeur#1166 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
deepspeedai/DeepSpeed#8951 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
aws/context-ontology-accelerator#343 ·
I maintainer di solito rispondono entro 1 giorno