Vectorisation like `np.vectorize` or `jax.vmap`

Ouverte
#1,111 0 commentaires 1 réaction 0 personnes assignées Voir sur GitHub

Personne n'a encore pris cette issue.

Évaluation

Difficulté
5/5
Temps estimé
Plus d'une semaine
Accessibilité débutants
25/100
Type d'issue
Fonctionnalité
Clarté
À clarifier
Activité
À l'abandon
Stack technique
numpy, python, rust
Domaine
data

Piste de recherche

The issue mentions no files, tests, or entry points in the ndarray repository. Start by surveying the existing array and function APIs, then clarify the proposed vectorisation interface, supported argument patterns, parallelisation expectations, and tests needed to define when the feature is complete.

Rédigé par le modèle d'indexation à partir du texte de l'issue.

Description

enhancement help wanted

This is a feature suggestion.

One of the important feature of numpy and jax in Python is to provide a vectorisation scheme for function.

Here is a mini example in Python:

import jax.numpy as np

# This function takes two float arguments and output a float
def func(x: float, y: float) -> float:
    return x - y

# This vmap will give a vectorised func, now this vectorised_func
# can take an array as input and produce an array output.
# Here[0, None] means that we vectorise func's first argument only.
vectorised_func = jax.vmap(func, in_axes=[0, None])

# Test arrays
a = jnp.array([1., 2., 3])
b = 2.

vectorised_func(a, b)  # This will output an array([-1, 0, 1])

# You can even do more to vectorise the y argument of func also
even_more_vectorised_func = jax.vmap(vectorised_func, in_axes=[None, 0])

# 
c = jnp.array([3., 2., 1.])
even_more_vectorised_func(a, c) # This will output a matrix ([[-2, -1, 2], [-1, 0, 2], [0, 1, 2]])

In numpy, this is similar to np.vectorize, but np.vectorize is actually not using any parallelisation scheme unlike jax.vmap.

This feature, in my opinion, is very important for scientific computing. For example, if you have two arrays, you can use this to compute their pairwise distances. As an another example, in multidimensional numerical quadrature, computing \int f(x) dx requires to evaluting the function f by a number of node points, this could be significantly improved by vectorisation.

I am a researcher in signal processing and machine learning, and I can definetly say this feature is valuable.

Langage dominant
Rust
Étoiles
4.3k
Forks
391
Aucune PR mergée en 30 j

Guide de contribution

Aucun guide de contribution indexé pour ce dépôt

Par où commencer

  1. Lisez l'issue en entier, puis le guide de contribution du projet.
  2. Signalez en commentaire que vous la prenez — cela évite que deux personnes fassent le même travail.
  3. Forkez le dépôt et travaillez sur une branche.
  4. Ouvrez une pull request qui référence le numéro de l'issue.

Autres issues de rust-ndarray/ndarray

Toutes les issues de rust-ndarray/ndarray

Issues similaires

Plus d'issues Rust

Recevez les nouvelles issues par e-mail

Un résumé court des issues GitHub adaptées aux débutants.