Design discussion
Chưa có ai nhận issue này.
Đánh giá
- Độ khó
- 5/5
- Thời gian dự kiến
- Hơn một tuần
- Mức phù hợp với người mới
- 25/100
Hướng nghiên cứu
Bắt đầu với src/NestedNumbers.jl và examples/usage_demo.jl, sau đó xem xét các draft PRs được liên kết cùng với ngữ cảnh của Reactant và Discourse. Issue này nhằm tìm kiếm những ý kiến phê bình từ cộng đồng về tên package, hệ phân cấp kiểu và cách tiếp cận tổng thể, thay vì chỉ định một thay đổi có phạm vi giới hạn; để hoàn tất, cần có một hướng đi được thống nhất hoặc một đề xuất tiếp theo cụ thể.
Do mô hình lập chỉ mục viết ra từ nội dung của issue.
Mô tả
We have some number types in the Julia ecosystem that are "a bit special". The one's I have encountered most often are quantities (numbers with units), opaque/traced/symbolic numbers (value not accessible at all) and numbers that are "remote", i.e. that live on a separate compute-node/device/system (value accessible only with substantial latency).
Making such numbers subtypes of Real and Integer is tricky, dispatch wise, but also semantically not ideal - one might argue that a traced number with a real value is not actually a real number itself - I can operate on it, but I can't compare values and make a branching decision based on it (at least not during tracing). Likewise, a real number with a unit is clearly not a real number itself. On the other hand, user code often needs to restrict numerical type, both for semtantic and dispatch reasons - a function that will behave wrong for complex values should ideally not use Number at the argument type.
Also see https://github.com/EnzymeAD/Reactant.jl/issues/1570 and https://discourse.julialang.org/t/flexunits-jl-0-3-0-support-for-unitful-like-inference/134903/38 for context.
NestedNumbers is an attempt to create a bridge here - a super-lightweight package that user code can depend on and use for dispatch, while only minimal changes are required for unit packages or packages that use traced numbers like Reactant.
See the NestedNumbers demo, which requires these draft PRs:
- https://github.com/JuliaPhysics/Unitful.jl/pull/837
- https://github.com/Deduction42/FlexUnits.jl/pull/52
- https://github.com/JuliaPhysics/DynamicQuantities.jl/pull/198
- https://github.com/EnzymeAD/Reactant.jl/pull/2434
The final approach should ideally involve UnitsBase as well.
(Note that Reactant doesn't seem to work with unitful numbers in general yet, so the demo doesn't show a combination of both. )
The basic approach is this: NestedNumbers defines
- Abstract types like
OpaqueNumber{T}RemoteNumber{T}QuantityNumber{T}that packages that define number types can subtype. - Union typedefs like
AReal,AInteger,AComplex,ABoolandQReal,QInteger,QComplex,QBoolfor user/downstream code to dispatch on.
It's all in the single short source file.
Everyone involved/interested is more than welcome to comment and critique here, propose radical changes (feel free to open PRs), etc. NestedNumbers is not registered yet on purpose, everything is up for change including the package name. This is an attempt to see if this kind of approach can work and would be acceptable, and it's meant to involve the whole community.
- Ngôn ngữ chính
- Julia
- Star
- 2
- Fork
- 0
- Chỉ số merge pull request
- Không có pull request nào được merge trong 30 ngày
Chuẩn bị môi trường
Dự án này không cung cấp dev container, Dockerfile hay hướng dẫn đóng góp, nên bạn cần tự thiết lập môi trường: hãy bắt đầu từ README và xem hướng dẫn đóng góp lần đầu của chúng tôi để biết các bước chung.
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue tương tự
-
bug
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 76/100
SciML/PETScDiffEq.jl#196 ·
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 1/5 1-3 giờ Mức phù hợp với người mới 84/100
SciML/Catalyst.jl#1571 ·
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 72/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 62/100
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 70/100
SciML/Optimization.jl#1414 ·
Maintainer thường phản hồi trong vòng 1 ngày