JuliaGPU/CUDA.jl

Schur decomposition

Open

#2.077 aberto em 11 de set. de 2023

Ver no GitHub
 (1 comment) (0 reactions) (0 assignees)Julia (274 forks)batch import
enhancementhelp wanted

Métricas do repositório

Stars
 (1.408 stars)
Métricas de merge de PR
 (Mesclagem média 5d 5h) (16 fundiu PRs em 30d)

Description

Schur decomposition is implemented efficiently on GPU in PyTorch, Jax, and MatLab. It is an essential ingredient for the efficient computation of matrix square root (sqrtm).

It would be ideal to have this decomposition implemented directly in CUDA.jl. The only alternative I see at the moment is full-on diagonalization which is less efficient and less stable.

Guia do colaborador

Direção de pesquisa
Estude a implementação de decomposições de matrizes existentes no CUDA.jl (por exemplo, eigendecomposição) para entender a estrutura do código. Em seguida, implemente a decomposição de Schur usando a função gees do cuSOLVER. Referencie as implementações do PyTorch/JAX para orientação.
Pilha de tecnologia
None
Domain
backendperformance
Tipo Issue
Funcionalidade
DifficultyDificuldade de implementação estimada para um novo contribuidor, de 1 para alterações muito pequenas a 5 para trabalho de nível especializado.
4
Tempo estimadoUm intervalo de tempo aproximado para um colaborador experiente investigar, implementar, testar e preparar um pull request.
Mais de 1 semana
Status da atividadeQuão disponível o issue aparece agora: novo, ativo, obsoleto, bloqueado ou aguardando entrada do mantenedor.
Ativo
ClarityCom que clareza o issue explica a mudança esperada, os critérios de aceitação e a próxima etapa.
Claro
Prerequisites
JuliaCUDALinear AlgebraGit
Simpatia para novatosUma pontuação de 1 a 100 que estima o quão acessível este issue é para colaboradores iniciantes.
20