KT
Size: a a a
2020 January 25
АО
Как написать функцию, которая принимает два tuple и делает из них третий, при этом type stable
О, я тоже об этом думал.
Непонятно как, если честно, кроме макросов.
Ну или подсказку в return выводить
Непонятно как, если честно, кроме макросов.
Ну или подсказку в return выводить
KT
Как мне сказать компилятору, что тип результата 100% N+M
АО
return res::NTuple{N+M, int}KT
А по-моему это не поможет
АО
Это точно работает, но все равно хуже по скорости чем могло бы быть.
KT
Я думаю, что он просто в конце проверит, что тип того, что он сделал, совпадает с тем, что указано
АО
Ну да.
Но после этого он будет это учитывать и не будет type instability propagation
Но после этого он будет это учитывать и не будет type instability propagation
АО
То есть он согласится с тем, что ты ему сказал и дальше все будет рассчитывать исходя из этого.
KT
Это пресечет на корню, но как вообще изгнать )
АО
А можно MWE того, как эта функция выглядит?
АО
О, не знаю что это, но выглядит как какая-то чёрная магия, которую можно использовать в особых случаях.
https://github.com/RelationalAI-oss/Blobs.jl/blob/master/README.md
https://github.com/RelationalAI-oss/Blobs.jl/blob/master/README.md
2020 January 26
АО
По поводу того, как писать интерфейсы (вчера эта тема поднималась)
https://discourse.julialang.org/t/design-pattern-for-correctly-overwriting-abstract-methods-interface-methods/33778/5?u=skoffer
Рекомендуют не использовать throw, а всё-таки писать документацию
https://discourse.julialang.org/t/design-pattern-for-correctly-overwriting-abstract-methods-interface-methods/33778/5?u=skoffer
Рекомендуют не использовать throw, а всё-таки писать документацию
2020 January 28
RS
https://www.youtube.com/watch?v=cw_1D7UWsW0
немного экзотики. Свежее. Главный вопрос - целесообразность подобного применения
немного экзотики. Свежее. Главный вопрос - целесообразность подобного применения
2020 January 30
FO
А как бы научить функцию differentiate из пакета Calculus искать выражения из окружения Julia?
Например:
Ошибки при этом такие:
При этом внутрь библиотеки свои функции вставлять не хочется
Например:
using Calculus
K_sigma =:(energy/rho^(4/3))
a_sigma = :(mu * sqrt(K_sigma(energy, rho) / pi) / (3*rho^(1/3)))
differentiate(a_sigma, :rho)
Ошибки при этом такие:
ERROR: Derivative of function K_sigma not supported
При этом внутрь библиотеки свои функции вставлять не хочется
АО
Библиотека выглядит немного outdated
Дёшево и сердито - использовать интерполяцию
Но вообще, выглядит так, что лучше пользоваться библиотеками типа
Дёшево и сердито - использовать интерполяцию
K_sigma =:(energy/rho^(4/3))
a_sigma = :(mu * sqrt($K_sigma / pi) / (3*rho^(1/3)))
differentiate(a_sigma, :rho)
Но вообще, выглядит так, что лучше пользоваться библиотеками типа
ForwardDiffАО
У calculus похоже проблема ещё в том, что он не умеет функции многих аргументов дифференцировать.
То есть можно симулировать до какой-то степени нужное поведение, но выглядит кривовато
И он в принципе правильный даже результат выдаёт, но по энергии уже не продифференцируешь толком, надо будет символы расшифровывать.
То есть можно симулировать до какой-то степени нужное поведение, но выглядит кривовато
function Calculus.differentiate(::SymbolParameter{:K_sigma_rho}, args, wrt)
x = args[1]
xp = differentiate(x, wrt)
if xp != 0
return @sexpr(xp*(-((4 / 3) * 1 * x ^ (4 / 3 - 1)) * :energy) / (x ^ (4 / 3)) ^ 2)
else
return 0
end
end
a_sigma = :(mu * sqrt(K_sigma_rho(rho) / pi) / (3*rho^(1/3)))
differentiate(a_sigma, :rho)И он в принципе правильный даже результат выдаёт, но по энергии уже не продифференцируешь толком, надо будет символы расшифровывать.