source: sasview/src/sas/sasgui/perspectives/fitting/model_thread.py @ c1681ea

ESS_GUIESS_GUI_DocsESS_GUI_batch_fittingESS_GUI_bumps_abstractionESS_GUI_iss1116ESS_GUI_iss879ESS_GUI_iss959ESS_GUI_openclESS_GUI_orderingESS_GUI_sync_sascalccostrafo411magnetic_scattrelease-4.1.1release-4.1.2release-4.2.2ticket-1009ticket-1094-headlessticket-1242-2d-resolutionticket-1243ticket-1249ticket885unittest-saveload
Last change on this file since c1681ea was c1681ea, checked in by Doucet, Mathieu <doucetm@…>, 3 years ago

Protect against incomplete models.

  • Property mode set to 100644
File size: 10.2 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
10
11class Calc2D(CalcThread):
12    """
13    Compute 2D model
14    This calculation assumes a 2-fold symmetry of the model
15    where points are computed for one half of the detector
16    and I(qx, qy) = I(-qx, -qy) is assumed.
17    """
18    def __init__(self, data, model, smearer, qmin, qmax, page_id,
19                 state=None,
20                 weight=None,
21                 fid=None,
22                 toggle_mode_on=False,
23                 completefn=None,
24                 updatefn=None,
25                 update_chisqr=True,
26                 source='model',
27                 yieldtime=0.04,
28                 worktime=0.04,
29                 exception_handler=None,
30                 ):
31        CalcThread.__init__(self, completefn, updatefn, yieldtime, worktime,
32                            exception_handler=exception_handler)
33        self.qmin = qmin
34        self.qmax = qmax
35        self.weight = weight
36        self.fid = fid
37        #self.qstep = qstep
38        self.toggle_mode_on = toggle_mode_on
39        self.data = data
40        self.page_id = page_id
41        self.state = None
42        # the model on to calculate
43        self.model = model
44        self.smearer = smearer
45        self.starttime = 0
46        self.update_chisqr = update_chisqr
47        self.source = source
48
49    def compute(self):
50        """
51        Compute the data given a model function
52        """
53        self.starttime = time.time()
54        # Determine appropriate q range
55        if self.qmin == None:
56            self.qmin = 0
57        if self.qmax == None:
58            if self.data != None:
59                newx = math.pow(max(math.fabs(self.data.xmax),
60                                   math.fabs(self.data.xmin)), 2)
61                newy = math.pow(max(math.fabs(self.data.ymax),
62                                   math.fabs(self.data.ymin)), 2)
63                self.qmax = math.sqrt(newx + newy)
64
65        if self.data is None:
66            msg = "Compute Calc2D receive data = %s.\n" % str(self.data)
67            raise ValueError, msg
68
69        # Define matrix where data will be plotted
70        radius = numpy.sqrt((self.data.qx_data * self.data.qx_data) + \
71                    (self.data.qy_data * self.data.qy_data))
72
73        # For theory, qmax is based on 1d qmax
74        # so that must be mulitified by sqrt(2) to get actual max for 2d
75        index_model = (self.qmin <= radius) & (radius <= self.qmax)
76        index_model = index_model & self.data.mask
77        index_model = index_model & numpy.isfinite(self.data.data)
78
79        if self.smearer is not None:
80            # Set smearer w/ data, model and index.
81            fn = self.smearer
82            fn.set_model(self.model)
83            fn.set_index(index_model)
84            # Calculate smeared Intensity
85            #(by Gaussian averaging): DataLoader/smearing2d/Smearer2D()
86            value = fn.get_value()
87        else:
88            # calculation w/o smearing
89            value = self.model.evalDistribution([
90                self.data.qx_data[index_model],
91                self.data.qy_data[index_model]
92            ])
93        output = numpy.zeros(len(self.data.qx_data))
94        # output default is None
95        # This method is to distinguish between masked
96        #point(nan) and data point = 0.
97        output = output / output
98        # set value for self.mask==True, else still None to Plottools
99        output[index_model] = value
100        elapsed = time.time() - self.starttime
101        self.complete(image=output,
102                       data=self.data,
103                       page_id=self.page_id,
104                       model=self.model,
105                       state=self.state,
106                       toggle_mode_on=self.toggle_mode_on,
107                       elapsed=elapsed,
108                       index=index_model,
109                       fid=self.fid,
110                       qmin=self.qmin,
111                       qmax=self.qmax,
112                       weight=self.weight,
113                       #qstep=self.qstep,
114                       update_chisqr=self.update_chisqr,
115                       source=self.source)
116
117
118class Calc1D(CalcThread):
119    """
120    Compute 1D data
121    """
122    def __init__(self, model,
123                 page_id,
124                 data,
125                 fid=None,
126                 qmin=None,
127                 qmax=None,
128                 weight=None,
129                 smearer=None,
130                 toggle_mode_on=False,
131                 state=None,
132                 completefn=None,
133                 update_chisqr=True,
134                 source='model',
135                 updatefn=None,
136                 yieldtime=0.01,
137                 worktime=0.01,
138                 exception_handler=None,
139                 ):
140        """
141        """
142        CalcThread.__init__(self, completefn, updatefn, yieldtime, worktime,
143                            exception_handler=exception_handler)
144        self.fid = fid
145        self.data = data
146        self.qmin = qmin
147        self.qmax = qmax
148        self.model = model
149        self.weight = weight
150        self.toggle_mode_on = toggle_mode_on
151        self.state = state
152        self.page_id = page_id
153        self.smearer = smearer
154        self.starttime = 0
155        self.update_chisqr = update_chisqr
156        self.source = source
157        self.out = None
158        self.index = None
159
160    def compute(self):
161        """
162        Compute model 1d value given qmin , qmax , x value
163        """
164        self.starttime = time.time()
165        output = numpy.zeros((len(self.data.x)))
166        index = (self.qmin <= self.data.x) & (self.data.x <= self.qmax)
167
168        # If we use a smearer, also return the unsmeared model
169        unsmeared_output = None
170        unsmeared_data = None
171        unsmeared_error = None
172        ##smearer the ouput of the plot
173        if self.smearer is not None:
174            first_bin, last_bin = self.smearer.get_bin_range(self.qmin,
175                                                             self.qmax)
176            mask = self.data.x[first_bin:last_bin+1]
177            unsmeared_output = numpy.zeros((len(self.data.x)))
178            unsmeared_output[first_bin:last_bin+1] = self.model.evalDistribution(mask)
179            output = self.smearer(unsmeared_output, first_bin, last_bin)
180
181            # Rescale data to unsmeared model
182            # Check that the arrays are compatible. If we only have a model but no data,
183            # the length of data.y will be zero.
184            if isinstance(self.data.y, numpy.ndarray) and output.shape == self.data.y.shape:
185                unsmeared_data = numpy.zeros((len(self.data.x)))
186                unsmeared_error = numpy.zeros((len(self.data.x)))
187                unsmeared_data[first_bin:last_bin+1] = self.data.y[first_bin:last_bin+1]\
188                                                        * unsmeared_output[first_bin:last_bin+1]\
189                                                        / output[first_bin:last_bin+1]
190                unsmeared_error[first_bin:last_bin+1] = self.data.dy[first_bin:last_bin+1]\
191                                                        * unsmeared_output[first_bin:last_bin+1]\
192                                                        / output[first_bin:last_bin+1]
193                unsmeared_output=unsmeared_output[index]
194                unsmeared_data=unsmeared_data[index]
195                unsmeared_error=unsmeared_error
196        else:
197            output[index] = self.model.evalDistribution(self.data.x[index])
198
199        sq_values = None
200        pq_values = None
201        s_model = None
202        p_model = None
203        if isinstance(self.model, MultiplicationModel):
204            s_model = self.model.s_model
205            p_model = self.model.p_model
206        elif hasattr(self.model, "get_composition_models"):
207            p_model, s_model = self.model.get_composition_models()
208
209        if p_model is not None and s_model is not None:
210            sq_values = numpy.zeros((len(self.data.x)))
211            pq_values = numpy.zeros((len(self.data.x)))
212            sq_values[index] = s_model.evalDistribution(self.data.x[index])
213            pq_values[index] = p_model.evalDistribution(self.data.x[index])
214
215        elapsed = time.time() - self.starttime
216
217        self.complete(x=self.data.x[index], y=output[index],
218                      page_id=self.page_id,
219                      state=self.state,
220                      weight=self.weight,
221                      fid=self.fid,
222                      toggle_mode_on=self.toggle_mode_on,
223                      elapsed=elapsed, index=index, model=self.model,
224                      data=self.data,
225                      update_chisqr=self.update_chisqr,
226                      source=self.source,
227                      unsmeared_model=unsmeared_output,
228                      unsmeared_data=unsmeared_data,
229                      unsmeared_error=unsmeared_error,
230                      pq_model=pq_values,
231                      sq_model=sq_values)
232
233    def results(self):
234        """
235        Send resuts of the computation
236        """
237        return [self.out, self.index]
238
239"""
240Example: ::
241
242    class CalcCommandline:
243        def __init__(self, n=20000):
244            #print thread.get_ident()
245            from sas.models.CylinderModel import CylinderModel
246
247            model = CylinderModel()
248
249
250            print model.runXY([0.01, 0.02])
251
252            qmax = 0.01
253            qstep = 0.0001
254            self.done = False
255
256            x = numpy.arange(-qmax, qmax+qstep*0.01, qstep)
257            y = numpy.arange(-qmax, qmax+qstep*0.01, qstep)
258
259
260            calc_thread_2D = Calc2D(x, y, None, model.clone(),None,
261                                    -qmax, qmax,qstep,
262                                            completefn=self.complete,
263                                            updatefn=self.update ,
264                                            yieldtime=0.0)
265
266            calc_thread_2D.queue()
267            calc_thread_2D.ready(2.5)
268
269            while not self.done:
270                time.sleep(1)
271
272        def update(self,output):
273            print "update"
274
275        def complete(self, image, data, model, elapsed, qmin, qmax,index, qstep ):
276            print "complete"
277            self.done = True
278
279    if __name__ == "__main__":
280        CalcCommandline()
281"""
Note: See TracBrowser for help on using the repository browser.