2 Copyright (C) 2008-2022 EDF R&D
4 This file is part of SALOME ADAO module.
6 This library is free software; you can redistribute it and/or
7 modify it under the terms of the GNU Lesser General Public
8 License as published by the Free Software Foundation; either
9 version 2.1 of the License, or (at your option) any later version.
11 This library is distributed in the hope that it will be useful,
12 but WITHOUT ANY WARRANTY; without even the implied warranty of
13 MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU
14 Lesser General Public License for more details.
16 You should have received a copy of the GNU Lesser General Public
17 License along with this library; if not, write to the Free Software
18 Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA 02111-1307 USA
20 See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
22 Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
24 .. _section_ref_observers_requirements:
26 Conditions requises pour les fonctions décrivant un "*observer*"
27 ----------------------------------------------------------------
29 .. index:: single: Observer
30 .. index:: single: setObserver
31 .. index:: single: Observer Template
33 Certaines variables spéciales, internes à l'optimisation et utilisées au cours
34 des calculs, peuvent être surveillées durant un calcul ADAO. Ces variables
35 peuvent être affichées, tracées, enregistrées, etc. par l'utilisateur. C'est
36 réalisable en utilisant des "*observer*", parfois aussi appelés des "callback",
37 sur une variable. Ce sont des fonctions Python spéciales, qui sont chacune
38 associées à une variable donnée, comme décrit conceptuellement dans la figure
41 .. ref_observer_simple:
42 .. image:: images/ref_observer_simple.png
46 **Définition conceptuelle d'une fonction "observer"**
48 Ces fonctions "*observer*" sont décrites dans les sous-sections suivantes.
50 Enregistrer et activer une fonction "*observer*"
51 ++++++++++++++++++++++++++++++++++++++++++++++++
53 Dans l'interface graphique EFICAS d'ADAO, il y a 3 méthodes pratiques pour
54 intégrer une fonction "*observer*" dans un cas ADAO. La méthode est choisie à
55 l'aide du mot-clé "*NodeType*" de chaque entrée de type "*observer*", comme
56 montré dans la figure qui suit :
58 .. eficas_observer_nodetype:
59 .. image:: images/eficas_observer_nodetype.png
63 **Choisir son type d'entrée pour une fonction "observer"**
65 Une fonction "*observer*" peut être fourni sous la forme d'un script explicite
66 (entrée de type "*String*"), d'un script contenu dans un fichier externe
67 (entrée de type "*Script*"), ou en utilisant un modèle (entrée de type
68 "*Template*"). Les modèles sont fournis par défaut dans ADAO, lors de l'usage
69 de l'éditeur graphique EFICAS d'ADAO ou de l'interface TUI, et sont détaillés
70 dans la partie :ref:`section_ref_observers_templates` qui suit. Ces derniers
71 sont des scripts simples qui peuvent être adaptés par l'utilisateur, soit dans
72 l'étape d'édition intégrée du cas avec EFICAS d'ADAO, soit dans l'étape
73 d'édition du schéma avant l'exécution, pour améliorer la performance du calcul
74 ADAO dans le superviseur d'exécution de SALOME.
76 Dans l'interface textuelle (TUI) d'ADAO (voir la partie :ref:`section_tui`),
77 les mêmes informations peuvent être données à l'aide de la commande
78 "*setObserver*" appliquée pour une variable donnée indiquée en utilisant
79 l'argument "*Variable*". Les autres arguments de cette commande permettent de
80 définir un "*observer*" soit comme un modèle (argument "*Template*") désignant
81 l'un des scripts détaillés dans la partie
82 :ref:`section_ref_observers_templates`, soit comme un script explicite
83 (argument "*String*"), soit comme un script contenu dans un fichier externe
84 (argument "*Script*").
86 Forme générale d'un script permettant de définir une fonction "*observer*"
87 ++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
89 Une fonction "*observer*" est un script Python spécial, associé à une variable
90 donnée, et qui est automatiquement activée à chaque modification de la variable
91 lors du calcul. Chaque fonction (soigneusement établie) qui s'applique à la
92 variable sélectionnée peut être utilisée. De nombreuses fonctions "*observer*"
93 sont disponibles par défaut.
95 Pour pouvoir utiliser directement cette capacité "*observer*", l'utilisateur
96 doit utiliser ou construire un script utilisant en entrée standard (i.e.
97 disponible dans l'espace de nommage) les variables ``var`` et ``info``. La
98 variable ``var`` est à utiliser comme un objet de type liste/tuple, contenant
99 l'historique de la variable d'intérêt, indicé par les pas d'itérations et/ou de
100 temps. Seul le corps de la fonction "*observer*" doit être spécifié par
101 l'utilisateur, pas l'appel Python ``def`` de fonction lui-même.
103 A titre d'exemple, voici un script très simple (similaire au modèle
104 "*ValuePrinter*"), utilisable pour afficher la valeur d'une variable
108 print(" --->",info," Value =",var[-1])
110 Stockées comme un fichier Python ou une chaîne de caractères explicite, cette
111 ou ces lignes de script peuvent être associées à chaque variable présente dans
112 le mot-clé "*SELECTION*" de la commande "*Observers*" du cas ADAO :
113 "*Analysis*", "*CurrentState*", "*CostFunction*"... La valeur courante de la
114 variable sera par exemple affichée à chaque étape de l'algorithme
115 d'optimisation ou d'assimilation. Les "*observer*" peuvent inclure des
116 capacités d'affichage graphique, de stockage, de traitement complexe, d'analyse
117 statistique, etc. Si une variable, à laquelle est lié un "*observer*", n'est
118 pas requise dans le calcul et par l'utilisateur, l'exécution de cet
119 "*observer*" n'est tout simplement jamais activée.
123 Si les modèles disponibles par défaut ne sont pas utilisés, il revient à
124 l'utilisateur de faire des scripts de fonctions soigneusement établis ou
125 des programmes externes qui ne se plantent pas avant d'être enregistrés
126 comme une fonction "*observer*". Le débogage peut sinon être vraiment
129 Certains "*observer*" permettent de créer des fichiers ou des figures
130 successives, qui sont numérotées de manière unique et, le cas échéant,
131 enregistrées par défaut dans le répertoire standard ``/tmp``. Dans le cas où
132 ces informations sont à modifier (comme par exemple lorsque le répertoire
133 ``/tmp`` est un dossier virtuel ou local non pérenne, ou lorsque l'on désire
134 une numérotation en fonction de l'itération), l'utilisateur est invité à
135 s'inspirer d'un modèle lui convenant pour le modifier en spécifiant
136 différemment ces informations communes. Ensuite, la fonction modifiée peut être
137 utilisée dans une entrée de type "*String*" ou de type "*Script*".
139 On donne ci-après l'identifiant et le contenu de tous les modèles "*observer*"
142 .. _section_ref_observers_templates:
144 Inventaire des modèles de fonctions "*observer*" disponibles ("*Template*")
145 +++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++++
147 .. index:: single: ValuePrinter (Observer)
149 Modèle **ValuePrinter**
150 .......................
152 Imprime sur la sortie standard la valeur courante de la variable.
156 print(str(info)+" "+str(var[-1]))
158 .. index:: single: ValueAndIndexPrinter (Observer)
160 Modèle **ValueAndIndexPrinter**
161 ...............................
163 Imprime sur la sortie standard la valeur courante de la variable, en ajoutant son index.
167 print(str(info)+(" index %i:"%(len(var)-1))+" "+str(var[-1]))
169 .. index:: single: ValueSeriePrinter (Observer)
171 Modèle **ValueSeriePrinter**
172 ............................
174 Imprime sur la sortie standard la série des valeurs de la variable.
178 print(str(info)+" "+str(var[:]))
180 .. index:: single: ValueSaver (Observer)
182 Modèle **ValueSaver**
183 .....................
185 Enregistre la valeur courante de la variable dans un fichier du répertoire '/tmp' nommé 'value...txt' selon le nom de la variable et l'étape d'enregistrement.
190 v=numpy.array(var[-1], ndmin=1)
196 f='/tmp/value_%s_%05i.txt'%(info,istep)
198 print('Value saved in "%s"'%f)
201 .. index:: single: ValueSerieSaver (Observer)
203 Modèle **ValueSerieSaver**
204 ..........................
206 Enregistre la série des valeurs de la variable dans un fichier du répertoire '/tmp' nommé 'value...txt' selon le nom de la variable et l'étape.
211 v=numpy.array(var[:], ndmin=1)
217 f='/tmp/value_%s_%05i.txt'%(info,istep)
219 print('Value saved in "%s"'%f)
222 .. index:: single: ValuePrinterAndSaver (Observer)
224 Modèle **ValuePrinterAndSaver**
225 ...............................
227 Imprime sur la sortie standard et, en même temps enregistre dans un fichier du répertoire '/tmp', la valeur courante de la variable.
232 v=numpy.array(var[-1], ndmin=1)
233 print(str(info)+" "+str(v))
239 f='/tmp/value_%s_%05i.txt'%(info,istep)
241 print('Value saved in "%s"'%f)
244 .. index:: single: ValueIndexPrinterAndSaver (Observer)
246 Modèle **ValueIndexPrinterAndSaver**
247 ....................................
249 Imprime sur la sortie standard et, en même temps enregistre dans un fichier du répertoire '/tmp', la valeur courante de la variable, en ajoutant son index.
254 v=numpy.array(var[-1], ndmin=1)
255 print(str(info)+(" index %i:"%(len(var)-1))+" "+str(v))
261 f='/tmp/value_%s_%05i.txt'%(info,istep)
263 print('Value saved in "%s"'%f)
266 .. index:: single: ValueSeriePrinterAndSaver (Observer)
268 Modèle **ValueSeriePrinterAndSaver**
269 ....................................
271 Imprime sur la sortie standard et, en même temps, enregistre dans un fichier du répertoire '/tmp', la série des valeurs de la variable.
276 v=numpy.array(var[:], ndmin=1)
277 print(str(info)+" "+str(v))
283 f='/tmp/value_%s_%05i.txt'%(info,istep)
285 print('Value saved in "%s"'%f)
288 .. index:: single: ValueGnuPlotter (Observer)
290 Modèle **ValueGnuPlotter**
291 ..........................
293 Affiche graphiquement avec Gnuplot la valeur courante de la variable.
297 import numpy, Gnuplot
298 v=numpy.array(var[-1], ndmin=1)
302 gp('set style data lines')
305 gp=Gnuplot.Gnuplot(persist=1)
306 gp('set style data lines')
307 gp('set title "%s (Figure %i)"'%(info,ifig))
308 gp.plot( Gnuplot.Data( v, with_='lines lw 2' ) )
310 .. index:: single: ValueSerieGnuPlotter (Observer)
312 Modèle **ValueSerieGnuPlotter**
313 ...............................
315 Affiche graphiquement avec Gnuplot la série des valeurs de la variable.
319 import numpy, Gnuplot
320 v=numpy.array(var[:], ndmin=1)
324 gp('set style data lines')
327 gp=Gnuplot.Gnuplot(persist=1)
328 gp('set style data lines')
329 gp('set title "%s (Figure %i)"'%(info,ifig))
330 gp.plot( Gnuplot.Data( v, with_='lines lw 2' ) )
332 .. index:: single: ValuePrinterAndGnuPlotter (Observer)
334 Modèle **ValuePrinterAndGnuPlotter**
335 ....................................
337 Imprime sur la sortie standard et, en même temps, affiche graphiquement avec Gnuplot la valeur courante de la variable.
341 print(str(info)+' '+str(var[-1]))
342 import numpy, Gnuplot
343 v=numpy.array(var[-1], ndmin=1)
347 gp('set style data lines')
350 gp=Gnuplot.Gnuplot(persist=1)
351 gp('set style data lines')
352 gp('set title "%s (Figure %i)"'%(info,ifig))
353 gp.plot( Gnuplot.Data( v, with_='lines lw 2' ) )
355 .. index:: single: ValueSeriePrinterAndGnuPlotter (Observer)
357 Modèle **ValueSeriePrinterAndGnuPlotter**
358 .........................................
360 Imprime sur la sortie standard et, en même temps, affiche graphiquement avec Gnuplot la série des valeurs de la variable.
364 print(str(info)+' '+str(var[:]))
365 import numpy, Gnuplot
366 v=numpy.array(var[:], ndmin=1)
370 gp('set style data lines')
373 gp=Gnuplot.Gnuplot(persist=1)
374 gp('set style data lines')
375 gp('set title "%s (Figure %i)"'%(info,ifig))
376 gp.plot( Gnuplot.Data( v, with_='lines lw 2' ) )
378 .. index:: single: ValuePrinterSaverAndGnuPlotter (Observer)
380 Modèle **ValuePrinterSaverAndGnuPlotter**
381 .........................................
383 Imprime sur la sortie standard et, en même temps, enregistre dans un fichier du répertoire '/tmp' et affiche graphiquement la valeur courante de la variable.
387 print(str(info)+' '+str(var[-1]))
389 v=numpy.array(var[-1], ndmin=1)
395 f='/tmp/value_%s_%05i.txt'%(info,istep)
397 print('Value saved in "%s"'%f)
403 gp('set style data lines')
406 gp=Gnuplot.Gnuplot(persist=1)
407 gp('set style data lines')
408 gp('set title "%s (Figure %i)"'%(info,ifig))
409 gp.plot( Gnuplot.Data( v, with_='lines lw 2' ) )
411 .. index:: single: ValueSeriePrinterSaverAndGnuPlotter (Observer)
413 Modèle **ValueSeriePrinterSaverAndGnuPlotter**
414 ..............................................
416 Imprime sur la sortie standard et, en même temps, enregistre dans un fichier du répertoire '/tmp' et affiche graphiquement la série des valeurs de la variable.
420 print(str(info)+' '+str(var[:]))
422 v=numpy.array(var[:], ndmin=1)
428 f='/tmp/value_%s_%05i.txt'%(info,istep)
430 print('Value saved in "%s"'%f)
436 gp('set style data lines')
439 gp=Gnuplot.Gnuplot(persist=1)
440 gp('set style data lines')
441 gp('set title "%s (Figure %i)"'%(info,ifig))
442 gp.plot( Gnuplot.Data( v, with_='lines lw 2' ) )
444 .. index:: single: ValueMean (Observer)
449 Imprime sur la sortie standard la moyenne de la valeur courante de la variable.
454 print(str(info)+' '+str(numpy.nanmean(var[-1])))
456 .. index:: single: ValueStandardError (Observer)
458 Modèle **ValueStandardError**
459 .............................
461 Imprime sur la sortie standard l'écart-type de la valeur courante de la variable.
466 print(str(info)+' '+str(numpy.nanstd(var[-1])))
468 .. index:: single: ValueVariance (Observer)
470 Modèle **ValueVariance**
471 ........................
473 Imprime sur la sortie standard la variance de la valeur courante de la variable.
478 print(str(info)+' '+str(numpy.nanvar(var[-1])))
480 .. index:: single: ValueL2Norm (Observer)
482 Modèle **ValueL2Norm**
483 ......................
485 Imprime sur la sortie standard la norme L2 de la valeur courante de la variable.
490 v = numpy.ravel( var[-1] )
491 print(str(info)+' '+str(float( numpy.linalg.norm(v) )))
493 .. index:: single: ValueRMS (Observer)
498 Imprime sur la sortie standard la racine de la moyenne des carrés (RMS), ou moyenne quadratique, de la valeur courante de la variable.
503 v = numpy.ravel( var[-1] )
504 print(str(info)+' '+str(float( numpy.sqrt((1./v.size)*numpy.dot(v,v)) )))