DLPack-related tests & examples with host-accessible memory are sensitive to NumPy versions

Aperta
#1,168 0 commenti 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
4/5
Tempo stimato
3-5 giorni
Idoneità per principianti
35/100
Tipo di issue
Bug
Chiarezza
Abbastanza chiara
Stato di attività
Ferma
Stack tecnologico
numpy, python
Ambito
testing-qa

Direzione di ricerca

Inizia con il riproduttore minimo nell’issue e individua i test e gli esempi DLPack che coprono la memoria accessibile dall’host. Confronta il comportamento tra le versioni di NumPy menzionate, incluso il limite v2.2.5, quindi esamina ogni condizione esistente per saltare i test; il lavoro è concluso quando i test e gli esempi interessati hanno una policy di versione esplicita e riproducibile.

Scritto dal modello di indicizzazione a partire dal testo della issue.

Descrizione

cuda.core documentation example test

Minimal reproducer I just built for nvbugs 5591656:

import numpy as np
from cuda.core.experimental import Device, LegacyPinnedMemoryResource

dev = Device()
dev.set_current()
mr = LegacyPinnedMemoryResource()
buf = mr.allocate(40)
arr = np.from_dlpack(buf).view(np.float32)
arr[:] = 1

This causes ValueError: assignment destination is read-only until NumPy v2.2.5 as Rui from the QA team correctly pointed out.

Previously, we've known NumPy's DLPack support is not as stable as we hoped. Some tests required v2.1.0+ to run. This seems to be a new situation that we did not capture so far, because we let most, if not all, of the test dependencies float.

We should re-evaluate how aggressively we'd like to teach users to use NumPy for host interoperability, and examine all the test-skip conditions.

Lingua principale
Cython
Stelle
3.4k
Fork
329
Merge medio
1g 21h
PR unite (30g)
113

Guida per i contributori

Apri la guida per i contributori

Come iniziare

  1. Leggi tutta la issue e poi la guida ai contributi del progetto.
  2. Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
  3. Fai un fork del repository e lavora su un branch.
  4. Apri una pull request che faccia riferimento al numero della issue.

Altre issue di NVIDIA/cuda-python

Tutte le issue di NVIDIA/cuda-python

Issue simili

Altre issue su Testing & QA

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.