Changeset 35e36fd in sasview


Ignore:
Timestamp:
Sep 8, 2018 9:41:33 AM (12 days ago)
Author:
GitHub <noreply@…>
Branches:
ESS_GUI, ESS_GUI_Pr_fixes, ESS_GUI_iss1052, ESS_GUI_iss879, ESS_GUI_poly_plot2
Children:
6fbb859
Parents:
c8536d6c (diff), f3e5956 (diff)
Note: this is a merge changeset, the changes displayed below correspond to the merge itself.
Use the (diff) links above to see all the changes relative to each parent.
git-author:
Torin Cooper-Bennun <40573959+tcbennun@…> (09/08/18 09:41:33)
git-committer:
GitHub <noreply@…> (09/08/18 09:41:33)
Message:

Merge pull request #173 from SasView?/ESS_GUI_iss1033

SASVIEW-1033: Support for sasmodels' new 'lazy' intermediate results

Location:
src/sas/qtgui/Perspectives/Fitting
Files:
3 edited

Legend:

Unmodified
Added
Removed
  • src/sas/qtgui/Perspectives/Fitting/FittingLogic.py

    rdcabba7 r9ba91b7  
    161161        Create a new 1D data instance based on fitting results 
    162162        """ 
    163  
    164163        return self._create1DPlot(tab_id, return_data['x'], return_data['y'], 
    165164                                  return_data['model'], return_data['data']) 
     
    212211        (pq_plot, sq_plot). If either are unavailable, the corresponding plot is None. 
    213212        """ 
    214  
    215         pq_plot = None 
    216         sq_plot = None 
    217  
    218         if return_data.get('pq_values', None) is not None: 
    219             pq_plot = self._create1DPlot(tab_id, return_data['x'], 
    220                     return_data['pq_values'], return_data['model'], 
    221                     return_data['data'], component="P(Q)") 
    222         if return_data.get('sq_values', None) is not None: 
    223             sq_plot = self._create1DPlot(tab_id, return_data['x'], 
    224                     return_data['sq_values'], return_data['model'], 
    225                     return_data['data'], component="S(Q)") 
    226  
    227         return pq_plot, sq_plot 
     213        plots = [] 
     214        for name, result in return_data['intermediate_results'].items(): 
     215            plots.append(self._create1DPlot(tab_id, return_data['x'], result, 
     216                         return_data['model'], return_data['data'], 
     217                         component=name)) 
     218        return plots 
    228219 
    229220    def computeDataRange(self): 
  • src/sas/qtgui/Perspectives/Fitting/FittingWidget.py

    rc8536d6c rf3e5956  
    24282428 
    24292429        # Create plots for intermediate product data 
    2430         pq_data, sq_data = self.logic.new1DProductPlots(return_data, self.tab_id) 
    2431         if pq_data is not None: 
    2432             pq_data.symbol = "Line" 
    2433             self.createNewIndex(pq_data) 
    2434             # self.communicate.plotUpdateSignal.emit([pq_data]) 
    2435             new_plots.append(pq_data) 
    2436         if sq_data is not None: 
    2437             sq_data.symbol = "Line" 
    2438             self.createNewIndex(sq_data) 
    2439             # self.communicate.plotUpdateSignal.emit([sq_data]) 
    2440             new_plots.append(sq_data) 
     2430        plots = self.logic.new1DProductPlots(return_data, self.tab_id) 
     2431        for plot in plots: 
     2432            plot.symbol = "Line" 
     2433            self.createNewIndex(plot) 
     2434            new_plots.append(plot) 
    24412435 
    24422436        for plot in new_plots: 
  • src/sas/qtgui/Perspectives/Fitting/ModelThread.py

    rdcabba7 r5181e9b  
    164164        index = (self.qmin <= self.data.x) & (self.data.x <= self.qmax) 
    165165 
     166        intermediate_results = None 
     167 
    166168        # If we use a smearer, also return the unsmeared model 
    167169        unsmeared_output = None 
     
    174176            mask = self.data.x[first_bin:last_bin+1] 
    175177            unsmeared_output = numpy.zeros((len(self.data.x))) 
    176             unsmeared_output[first_bin:last_bin+1] = self.model.evalDistribution(mask) 
     178 
     179            return_data = self.model.calculate_Iq(mask) 
     180            if isinstance(return_data, tuple): 
     181                # see sasmodels beta_approx: SasviewModel.calculate_Iq 
     182                # TODO: implement intermediate results in smearers 
     183                return_data, _ = return_data 
     184            unsmeared_output[first_bin:last_bin+1] = return_data 
    177185            output = self.smearer(unsmeared_output, first_bin, last_bin) 
    178186 
     
    193201                unsmeared_error=unsmeared_error 
    194202        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]) 
     203            return_data = self.model.calculate_Iq(self.data.x[index]) 
     204            if isinstance(return_data, tuple): 
     205                # see sasmodels beta_approx: SasviewModel.calculate_Iq 
     206                return_data, intermediate_results = return_data 
     207            output[index] = return_data 
     208 
     209        if intermediate_results: 
     210            # the model returns a callable which is then used to retrieve the data 
     211            intermediate_results = intermediate_results() 
     212        else: 
     213            # TODO: this conditional branch needs refactoring 
     214            sq_values = None 
     215            pq_values = None 
     216            s_model = None 
     217            p_model = None 
     218 
     219            if isinstance(self.model, MultiplicationModel): 
     220                s_model = self.model.s_model 
     221                p_model = self.model.p_model 
     222 
     223            elif hasattr(self.model, "calc_composition_models"): 
     224                results = self.model.calc_composition_models(self.data.x[index]) 
     225                if results is not None: 
     226                    pq_values, sq_values = results 
     227 
     228            if pq_values is None or sq_values is None: 
     229                if p_model is not None and s_model is not None: 
     230                    sq_values = numpy.zeros((len(self.data.x))) 
     231                    pq_values = numpy.zeros((len(self.data.x))) 
     232                    sq_values[index] = s_model.evalDistribution(self.data.x[index]) 
     233                    pq_values[index] = p_model.evalDistribution(self.data.x[index]) 
     234 
     235            if pq_values is not None and sq_values is not None: 
     236                intermediate_results  = { 
     237                    "P(Q)": pq_values, 
     238                    "S(Q)": sq_values 
     239                } 
     240            else: 
     241                intermediate_results = {} 
    215242 
    216243        elapsed = time.time() - self.starttime 
     
    223250            source = self.source, unsmeared_output = unsmeared_output, 
    224251            unsmeared_data = unsmeared_data, unsmeared_error = unsmeared_error, 
    225             pq_values = pq_values, sq_values = sq_values) 
     252            intermediate_results = intermediate_results) 
    226253 
    227254        if LocalConfig.USING_TWISTED: 
Note: See TracChangeset for help on using the changeset viewer.