`fma` and `muladd` ignore NaN-safe mode
評価
- 難易度
- 3/5
- 見積もり時間
- 1〜2日
- 初心者へのやさしさ
- 55/100
- issue の種類
- バグ
- 明瞭さ
- 明確に書かれている
- 活発さ
- 活発
- 領域
- tooling
調査の方向性
Start by reproducing the four REPL examples with nansafe_mode = true and confirm fma and muladd differ from x * y + z. The issue names the methods for three dual arguments and for dual-real-dual arguments as the ones using fma/muladd directly, so begin there and compare them with the NaN-safe multiplication path. Done means both functions return the same partials as x * y + z in all four cases.
索引モデルが issue の本文から書いたものです。
説明
With NaN-safe mode enabled (nansafe_mode = true), fma and muladd propagate NaN partials for dual numbers with zero partials, unlike the equivalent x * y + z:
julia> using ForwardDiff: Dual # nansafe_mode = true
julia> x, y, z = Dual(Inf, 0.0), Dual(2.0, 0.0), Dual(0.0, 0.0);
julia> x * y + z
Dual{Nothing}(Inf,0.0)
julia> muladd(x, y, z)
Dual{Nothing}(Inf,NaN)
julia> fma(x, y, z)
Dual{Nothing}(Inf,NaN)
julia> x, y, z = Dual(1.0, 0.0), Inf, Dual(0.0, 1.0);
julia> x * y + z
Dual{Nothing}(Inf,1.0)
julia> muladd(x, y, z)
Dual{Nothing}(Inf,NaN)
julia> fma(x, y, z)
Dual{Nothing}(Inf,NaN)
The methods for three dual arguments, and for dual-real-dual arguments, compute the partials with fma/muladd directly instead of going through the NaN-safe multiplication. Related: #857, #858.
ForwardDiff master (a3c0f4f), Julia 1.13.1, macOS aarch64.
- 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 14 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 ·
-
Enable NaN-safe mode by default対応中かも @devmotion が 2 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 ·
-
`gradient!` leaves part of the result unwritten when `f` does not depend on its argument対応中かも @devmotion が 43 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 78/100
JuliaDiff/ForwardDiff.jl#847 ·
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 70/100
SciML/OrdinaryDiffEq.jl#4875 ·
メンテナーはふだん 3 日以内に返信
-
documentation
難易度 2/5 1〜3時間 初心者へのやさしさ 62/100
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 66/100
SciML/NonlinearSolve.jl#1372 ·
メンテナーはふだん 1 日以内に返信
-
Truncated discrete ccdf and logccdf return incorrect values at the lower atom対応中かも このイシューにリンクされたプルリクエストがオープン中、またはマージ済みです。 オープン
難易度 2/5 1〜3時間 初心者へのやさしさ 82/100
JuliaStats/Distributions.jl#2095 ·
-
documentation 📜 microphysics💧 ❄️
難易度 2/5 1〜3時間 初心者へのやさしさ 63/100
NumericalEarth/Breeze.jl#1073 ·
メンテナーはふだん 1 日以内に返信