source: sasview/src/sas/qtgui/Perspectives/Fitting/ModelThread.py @ dcabba7

ESS_GUIESS_GUI_batch_fittingESS_GUI_bumps_abstractionESS_GUI_iss1116ESS_GUI_iss879ESS_GUI_openclESS_GUI_orderingESS_GUI_sync_sascalc
Last change on this file since dcabba7 was dcabba7, checked in by ibressler, 8 months ago

ModelThread?: passing calc results by dict instead of tuple

  • prevents error when unpacking the tuple in completeXY methods later
  • and makes it easier to get just a single value from the result
  • Property mode set to 100644
File size: 9.0 KB
Line 
1"""
2    Calculation thread for modeling
3"""
4
5import time
6import numpy
7import math
8from sas.sascalc.data_util.calcthread import CalcThread
9from sas.sascalc.fit.MultiplicationModel import MultiplicationModel
10import sas.qtgui.Utilities.LocalConfig as LocalConfig
11
12class Calc2D(CalcThread):
13    """
14    Compute 2D model
15    This calculation assumes a 2-fold symmetry of the model
16    where points are computed for one half of the detector
17    and I(qx, qy) = I(-qx, -qy) is assumed.
18    """
19    def __init__(self, data, model, smearer, qmin, qmax, page_id,
20                 state=None,
21                 weight=None,
22                 fid=None,
23                 toggle_mode_on=False,
24                 completefn=None,
25                 updatefn=None,
26                 update_chisqr=True,
27                 source='model',
28                 yieldtime=0.04,
29                 worktime=0.04,
30                 exception_handler=None,
31                 ):
32        CalcThread.__init__(self, completefn, updatefn, yieldtime, worktime,
33                            exception_handler=exception_handler)
34        self.qmin = qmin
35        self.qmax = qmax
36        self.weight = weight
37        self.fid = fid
38        #self.qstep = qstep
39        self.toggle_mode_on = toggle_mode_on
40        self.data = data
41        self.page_id = page_id
42        self.state = None
43        # the model on to calculate
44        self.model = model
45        self.smearer = smearer
46        self.starttime = 0
47        self.update_chisqr = update_chisqr
48        self.source = source
49
50    def compute(self):
51        """
52        Compute the data given a model function
53        """
54        self.starttime = time.time()
55        # Determine appropriate q range
56        if self.qmin is None:
57            self.qmin = 0
58        if self.qmax is None:
59            if self.data is not None:
60                newx = math.pow(max(math.fabs(self.data.xmax),
61                                   math.fabs(self.data.xmin)), 2)
62                newy = math.pow(max(math.fabs(self.data.ymax),
63                                   math.fabs(self.data.ymin)), 2)
64                self.qmax = math.sqrt(newx + newy)
65
66        if self.data is None:
67            msg = "Compute Calc2D receive data = %s.\n" % str(self.data)
68            raise ValueError(msg)
69
70        # Define matrix where data will be plotted
71        radius = numpy.sqrt((self.data.qx_data * self.data.qx_data) + \
72                    (self.data.qy_data * self.data.qy_data))
73
74        # For theory, qmax is based on 1d qmax
75        # so that must be mulitified by sqrt(2) to get actual max for 2d
76        index_model = (self.qmin <= radius) & (radius <= self.qmax)
77        index_model = index_model & self.data.mask
78        index_model = index_model & numpy.isfinite(self.data.data)
79
80        if self.smearer is not None:
81            # Set smearer w/ data, model and index.
82            fn = self.smearer
83            fn.set_model(self.model)
84            fn.set_index(index_model)
85            # Calculate smeared Intensity
86            #(by Gaussian averaging): DataLoader/smearing2d/Smearer2D()
87            value = fn.get_value()
88        else:
89            # calculation w/o smearing
90            value = self.model.evalDistribution([
91                self.data.qx_data[index_model],
92                self.data.qy_data[index_model]
93            ])
94        output = numpy.zeros(len(self.data.qx_data))
95        # output default is None
96        # This method is to distinguish between masked
97        #point(nan) and data point = 0.
98        output = output / output
99        # set value for self.mask==True, else still None to Plottools
100        output[index_model] = value
101        elapsed = time.time() - self.starttime
102
103        res = dict(image = output, data = self.data, page_id = self.page_id,
104            model = self.model, state = self.state,
105            toggle_mode_on = self.toggle_mode_on, elapsed = elapsed,
106            index = index_model, fid = self.fid,
107            qmin = self.qmin, qmax = self.qmax,
108            weight = self.weight, update_chisqr = self.update_chisqr,
109            source = self.source)
110
111        if LocalConfig.USING_TWISTED:
112            return res
113        else:
114            self.completefn(res)
115
116class Calc1D(CalcThread):
117    """
118    Compute 1D data
119    """
120    def __init__(self, model,
121                 page_id,
122                 data,
123                 fid=None,
124                 qmin=None,
125                 qmax=None,
126                 weight=None,
127                 smearer=None,
128                 toggle_mode_on=False,
129                 state=None,
130                 completefn=None,
131                 update_chisqr=True,
132                 source='model',
133                 updatefn=None,
134                 yieldtime=0.01,
135                 worktime=0.01,
136                 exception_handler=None,
137                 ):
138        """
139        """
140        CalcThread.__init__(self, completefn, updatefn, yieldtime, worktime,
141                            exception_handler=exception_handler)
142        self.fid = fid
143        self.data = data
144        self.qmin = qmin
145        self.qmax = qmax
146        self.model = model
147        self.weight = weight
148        self.toggle_mode_on = toggle_mode_on
149        self.state = state
150        self.page_id = page_id
151        self.smearer = smearer
152        self.starttime = 0
153        self.update_chisqr = update_chisqr
154        self.source = source
155        self.out = None
156        self.index = None
157
158    def compute(self):
159        """
160        Compute model 1d value given qmin , qmax , x value
161        """
162        self.starttime = time.time()
163        output = numpy.zeros((len(self.data.x)))
164        index = (self.qmin <= self.data.x) & (self.data.x <= self.qmax)
165
166        # If we use a smearer, also return the unsmeared model
167        unsmeared_output = None
168        unsmeared_data = None
169        unsmeared_error = None
170        ##smearer the ouput of the plot
171        if self.smearer is not None:
172            first_bin, last_bin = self.smearer.get_bin_range(self.qmin,
173                                                             self.qmax)
174            mask = self.data.x[first_bin:last_bin+1]
175            unsmeared_output = numpy.zeros((len(self.data.x)))
176            unsmeared_output[first_bin:last_bin+1] = self.model.evalDistribution(mask)
177            output = self.smearer(unsmeared_output, first_bin, last_bin)
178
179            # Rescale data to unsmeared model
180            # Check that the arrays are compatible. If we only have a model but no data,
181            # the length of data.y will be zero.
182            if isinstance(self.data.y, numpy.ndarray) and output.shape == self.data.y.shape:
183                unsmeared_data = numpy.zeros((len(self.data.x)))
184                unsmeared_error = numpy.zeros((len(self.data.x)))
185                unsmeared_data[first_bin:last_bin+1] = self.data.y[first_bin:last_bin+1]\
186                                                        * unsmeared_output[first_bin:last_bin+1]\
187                                                        / output[first_bin:last_bin+1]
188                unsmeared_error[first_bin:last_bin+1] = self.data.dy[first_bin:last_bin+1]\
189                                                        * unsmeared_output[first_bin:last_bin+1]\
190                                                        / output[first_bin:last_bin+1]
191                unsmeared_output=unsmeared_output[index]
192                unsmeared_data=unsmeared_data[index]
193                unsmeared_error=unsmeared_error
194        else:
195            output[index] = self.model.evalDistribution(self.data.x[index])
196
197        sq_values = None
198        pq_values = None
199        s_model = None
200        p_model = None
201        if isinstance(self.model, MultiplicationModel):
202            s_model = self.model.s_model
203            p_model = self.model.p_model
204        elif hasattr(self.model, "calc_composition_models"):
205            results = self.model.calc_composition_models(self.data.x[index])
206            if results is not None:
207                pq_values, sq_values = results
208
209        if pq_values is None or sq_values is None:
210            if p_model is not None and s_model is not None:
211                sq_values = numpy.zeros((len(self.data.x)))
212                pq_values = numpy.zeros((len(self.data.x)))
213                sq_values[index] = s_model.evalDistribution(self.data.x[index])
214                pq_values[index] = p_model.evalDistribution(self.data.x[index])
215
216        elapsed = time.time() - self.starttime
217
218        res = dict(x = self.data.x[index], y = output[index],
219            page_id = self.page_id, state = self.state, weight = self.weight,
220            fid = self.fid, toggle_mode_on = self.toggle_mode_on,
221            elapsed = elapsed, index = index, model = self.model,
222            data = self.data, update_chisqr = self.update_chisqr,
223            source = self.source, unsmeared_output = unsmeared_output,
224            unsmeared_data = unsmeared_data, unsmeared_error = unsmeared_error,
225            pq_values = pq_values, sq_values = sq_values)
226
227        if LocalConfig.USING_TWISTED:
228            return res
229        else:
230            self.completefn(res)
231
232    def results(self):
233        """
234        Send resuts of the computation
235        """
236        return [self.out, self.index]
Note: See TracBrowser for help on using the repository browser.