Cannot compute gradient with `ArrayPartition` that holds containers of different types
まだ誰も着手していません。
評価
調査の方向性
ForwardDiff/src/apiutils.jl の seed! エントリポイントから始め、報告されている ArrayPartition の Float64/Int64 混在リプロデューサーを最初のテストケースとして使用してください。各パーティションにデュアルシードがどのようにブロードキャストされるかを追跡し、失敗している勾配呼び出しのカバレッジを追加してください。完了とは、例が MethodError なしで期待される勾配を返すことです。
索引モデルが issue の本文から書いたものです。
説明
ArrayPartition is a useful structure to concatenate arrays of different types. The type is defined in SciML/RecursiveArrayTools.jl
ArrayPartitions are also used in many places in SciML ecosystem, but also in other places like Manopt.jl.
It appears, though, that if ArrayPartition references two containers, one of eltype is Float64 and another one is Int64, the gradient from ForwardDiff fails.
MWE is:
julia> using ForwardDiff, RecursiveArrayTools
julia> v = [ 0.0, 1 ]
2-element Vector{Float64}:
0.0
1.0
julia> f(v) = sum(v)
f (generic function with 1 method)
julia> ForwardDiff.gradient(f, [ 0.0, 1 ])
2-element Vector{Float64}:
1.0
1.0
julia> ForwardDiff.gradient(f, ArrayPartition([ 0.0 ], [ 1 ]))
ERROR: MethodError: no method matching ForwardDiff.Dual{ForwardDiff.Tag{typeof(f), Float64}, Float64, 2}(::Int64, ::ForwardDiff.Partials{2, Float64})
Closest candidates are:
ForwardDiff.Dual{T, V, N}(::Number) where {T, V, N}
@ ForwardDiff ~/.julia/packages/ForwardDiff/PcZ48/src/dual.jl:78
ForwardDiff.Dual{T, V, N}(::Any) where {T, V, N}
@ ForwardDiff ~/.julia/packages/ForwardDiff/PcZ48/src/dual.jl:77
ForwardDiff.Dual{T, V, N}(::V, ::ForwardDiff.Partials{N, V}) where {T, V, N}
@ ForwardDiff ~/.julia/packages/ForwardDiff/PcZ48/src/dual.jl:17
Stacktrace:
[1] _broadcast_getindex_evalf
@ ./broadcast.jl:709 [inlined]
[2] _broadcast_getindex
@ ./broadcast.jl:682 [inlined]
[3] getindex
@ ./broadcast.jl:636 [inlined]
[4] macro expansion
@ ./broadcast.jl:1004 [inlined]
[5] macro expansion
@ ./simdloop.jl:77 [inlined]
[6] copyto!
@ ./broadcast.jl:1003 [inlined]
[7] copyto!
@ ./broadcast.jl:956 [inlined]
[8] materialize!
@ ./broadcast.jl:914 [inlined]
[9] materialize!
@ ./broadcast.jl:911 [inlined]
[10] seed!(duals::ArrayPartition{…}, x::ArrayPartition{…}, seeds::Tuple{…})
@ ForwardDiff ~/.julia/packages/ForwardDiff/PcZ48/src/apiutils.jl:52
[11] vector_mode_dual_eval!
@ ~/.julia/packages/ForwardDiff/PcZ48/src/apiutils.jl:23 [inlined]
- 主要言語
- Julia
- スター
- 1k
- フォーク
- 162
- PR マージ指標
- 30日以内にマージされた PR はありません
環境構築
このプロジェクトには開発コンテナ、Dockerfile、コントリビューションガイドがありません。まず README を読み、一般的な手順ははじめてのコントリビューションガイドを参照してください。
はじめの一歩
- issue を最後まで読み、次にプロジェクトのコントリビューションガイドを読みます。
- 着手することを issue にコメントします — 二人が同じ作業をするのを防げます。
- リポジトリをフォークし、ブランチを切って変更します。
- issue 番号を参照したプルリクエストを送ります。
JuliaDiff/ForwardDiff.jl のほかの issue
-
missing floatmin, floatmax, and issubnormal for Dual対応中かも @devmotion が 16 日前に担当しました。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 68/100
JuliaDiff/ForwardDiff.jl#852 · コメント 6 件 ·
-
`fma` and `muladd` ignore NaN-safe mode対応中かも @devmotion が 1 日前に担当しました。 オープン
難易度 3/5 1〜2日 初心者へのやさしさ 55/100
JuliaDiff/ForwardDiff.jl#860 ·
-
Enable NaN-safe mode by default対応中かも @devmotion が 3 日前に担当しました。 オープン
難易度 5/5 1週間以上 初心者へのやさしさ 25/100
JuliaDiff/ForwardDiff.jl#857 · リアクション 1 件 ·
-
難易度 4/5 3〜5日 初心者へのやさしさ 52/100
JuliaDiff/ForwardDiff.jl#854 · コメント 1 件 ·
-
難易度 3/5 1〜2日 初心者へのやさしさ 75/100
JuliaDiff/ForwardDiff.jl#849 ·
JuliaDiff/ForwardDiff.jl の issue をすべて見る
似ている issue
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
JuliaGPU/KernelAbstractions.jl#897 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 72/100
oscar-system/GAP.jl#1455 ·
メンテナーはふだん 1 日以内に返信
-
難易度 2/5 1〜3時間 初心者へのやさしさ 65/100
JuliaAI/MLJTransforms.jl#85 ·
-
難易度 2/5 1〜3時間 初心者へのやさしさ 70/100
SciML/OrdinaryDiffEq.jl#4875 ·
メンテナーはふだん 4 日以内に返信