[Bench #478] Add peak RSS, allocation-count and copy-volume parity to canonical benchmarks

Aperta
#491 1 commento 0 reazioni 0 assegnatari Vedi su GitHub

Nessuno ha ancora preso questa issue.

Valutazione

Difficoltà
5/5
Tempo stimato
Più di una settimana
Idoneità per principianti
35/100
Tipo di issue
Funzionalità
Chiarezza
Da chiarire
Stato di attività
Attiva
Stack tecnologico
python
Ambito
machine-learning, performance

Direzione di ricerca

Inizia dalla issue padre #478 e individua le definizioni esistenti dei benchmark canonici e scalati, quindi segui il modo in cui i loro risultati diventano dati leggibili dalle macchine e grafici di Pages. Determina dove è possibile registrare le misurazioni della memoria per Flow e sklearn, comprese le dimensioni di accettazione elencate qui. Il lavoro è completato quando tutte le famiglie di stimatori canonici hanno righe di memoria comparabili, grafici e segnali di regressione direzionali.

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

Descrizione

Parent: #478

Runtime alone is not enough for the claim that Flow beats Python. Add memory evidence beside every representative canonical and scaled workload.

Measure process peak RSS, heap allocation count/bytes where instrumentable, persistent model size, temporary workspace size and explicit matrix/vector copy volume. Separate cold process/import memory from steady estimator execution. Record whether BLAS/native libraries allocate internally when observable.

Acceptance: same-machine Flow/sklearn memory rows for all canonical estimator families; machine-readable fields and Pages plots; regressions can be gated directionally; a runtime win with materially worse memory remains an explicit yellow/red dimension rather than being hidden.

Lingua principale
Python
Stelle
2
Fork
0
Merge medio
4h 33m
PR unite (30g)
9

Guida per i contributori

Nessuna guida per i contributori indicizzata per questo repository

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 godofecht/flow-scikit

Tutte le issue di godofecht/flow-scikit

Issue simili

Altre issue su Python

Ricevi le nuove issue nella tua casella

Un breve riepilogo di issue GitHub adatte ai principianti.