src/daComposant/daAlgorithms/FunctionTest.py

   1 #-*-coding:iso-8859-1-*-
   2 #
   3 #  Copyright (C) 2008-2014 EDF R&D
   4 #
   5 #  This library is free software; you can redistribute it and/or
   6 #  modify it under the terms of the GNU Lesser General Public
   7 #  License as published by the Free Software Foundation; either
   8 #  version 2.1 of the License.
   9 #
  10 #  This library is distributed in the hope that it will be useful,
  11 #  but WITHOUT ANY WARRANTY; without even the implied warranty of
  12 #  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  13 #  Lesser General Public License for more details.
  14 #
  15 #  You should have received a copy of the GNU Lesser General Public
  16 #  License along with this library; if not, write to the Free Software
  17 #  Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  18 #
  19 #  See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  20 #
  21 #  Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
  22
  23 import logging
  24 from daCore import BasicObjects, PlatformInfo
  25 m = PlatformInfo.SystemUsage()
  26 import numpy, copy
  27
  28 # ==============================================================================
  29 class ElementaryAlgorithm(BasicObjects.Algorithm):
  30     def __init__(self):
  31         BasicObjects.Algorithm.__init__(self, "FUNCTIONTEST")
  32         self.defineRequiredParameter(
  33             name     = "NumberOfPrintedDigits",
  34             default  = 5,
  35             typecast = int,
  36             message  = "Nombre de chiffres affichés pour les impressions de réels",
  37             minval   = 0,
  38             )
  39         self.defineRequiredParameter(
  40             name     = "NumberOfRepetition",
  41             default  = 1,
  42             typecast = int,
  43             message  = "Nombre de fois où l'exécution de la fonction est répétée",
  44             minval   = 1,
  45             )
  46         self.defineRequiredParameter(
  47             name     = "ResultTitle",
  48             default  = "",
  49             typecast = str,
  50             message  = "Titre du tableau et de la figure",
  51             )
  52         self.defineRequiredParameter(
  53             name     = "SetDebug",
  54             default  = True,
  55             typecast = bool,
  56             message  = "Activation du mode debug lors de l'exécution",
  57             )
  58
  59     def run(self, Xb=None, Y=None, U=None, HO=None, EM=None, CM=None, R=None, B=None, Q=None, Parameters=None):
  60         logging.debug("%s Lancement"%self._name)
  61         logging.debug("%s Taille mémoire utilisée de %.1f Mo"%(self._name, m.getUsedMemory("M")))
  62         #
  63         self.setParameters(Parameters)
  64         #
  65         Hm = HO["Direct"].appliedTo
  66         #
  67         Xn = numpy.asmatrix(numpy.ravel( Xb )).T
  68         #
  69         # ----------
  70         _p = self._parameters["NumberOfPrintedDigits"]
  71         if len(self._parameters["ResultTitle"]) > 0:
  72             msg  = "     ====" + "="*len(self._parameters["ResultTitle"]) + "====\n"
  73             msg += "        " + self._parameters["ResultTitle"] + "\n"
  74             msg += "     ====" + "="*len(self._parameters["ResultTitle"]) + "====\n"
  75             print("%s"%msg)
  76         #
  77         msg  = "===> Information before launching:\n"
  78         msg += "     -----------------------------\n"
  79         msg += "     Characteristics of input vector X, internally converted:\n"
  80         msg += "       Type...............: %s\n"%type( Xn )
  81         msg += "       Lenght of vector...: %i\n"%max(numpy.matrix( Xn ).shape)
  82         msg += ("       Minimum value......: %."+str(_p)+"e\n")%numpy.min( Xn )
  83         msg += ("       Maximum value......: %."+str(_p)+"e\n")%numpy.max( Xn )
  84         msg += ("       Mean of vector.....: %."+str(_p)+"e\n")%numpy.mean( Xn )
  85         msg += ("       Standard error.....: %."+str(_p)+"e\n")%numpy.std( Xn )
  86         msg += ("       L2 norm of vector..: %."+str(_p)+"e\n")%numpy.linalg.norm( Xn )
  87         print(msg)
  88         #
  89         if self._parameters["SetDebug"]:
  90             CUR_LEVEL = logging.getLogger().getEffectiveLevel()
  91             logging.getLogger().setLevel(logging.DEBUG)
  92             print("===> Beginning of evaluation, activating debug\n")
  93         else:
  94             print("===> Beginning of evaluation, without activating debug\n")
  95         #
  96         # ----------
  97         Ys = []
  98         for i in range(self._parameters["NumberOfRepetition"]):
  99             print("     %s\n"%("-"*75,))
 100             if self._parameters["NumberOfRepetition"] > 1:
 101                 print("===> Repetition step number %i on a total of %i\n"%(i+1,self._parameters["NumberOfRepetition"]))
 102             print("===> Launching direct operator evaluation\n")
 103             #
 104             Y = Hm( Xn )
 105             #
 106             print("\n===> End of direct operator evaluation\n")
 107             #
 108             msg  = ("===> Information after evaluation:\n")
 109             msg += ("\n     Characteristics of output vector Y, to compare to other calculations:\n")
 110             msg += ("       Type...............: %s\n")%type( Y )
 111             msg += ("       Lenght of vector...: %i\n")%max(numpy.matrix( Y ).shape)
 112             msg += ("       Minimum value......: %."+str(_p)+"e\n")%numpy.min( Y )
 113             msg += ("       Maximum value......: %."+str(_p)+"e\n")%numpy.max( Y )
 114             msg += ("       Mean of vector.....: %."+str(_p)+"e\n")%numpy.mean( Y )
 115             msg += ("       Standard error.....: %."+str(_p)+"e\n")%numpy.std( Y )
 116             msg += ("       L2 norm of vector..: %."+str(_p)+"e\n")%numpy.linalg.norm( Y )
 117             print(msg)
 118             #
 119             Ys.append( copy.copy( numpy.ravel(Y) ) )
 120         #
 121         print("     %s\n"%("-"*75,))
 122         if self._parameters["SetDebug"]:
 123             print("===> End evaluation, deactivating debug if necessary\n")
 124             logging.getLogger().setLevel(CUR_LEVEL)
 125         #
 126         if self._parameters["NumberOfRepetition"] > 1:
 127             msg  = ("     %s\n"%("-"*75,))
 128             msg += ("\n===> Statistical analysis of the outputs obtained throught repeated evaluations\n")
 129             Yy = numpy.array( Ys )
 130             msg += ("\n     Characteristics of the whole set of outputs Y:\n")
 131             msg += ("       Number of evaluations.........................: %i\n")%len( Ys )
 132             msg += ("       Minimum value of the whole set of outputs.....: %."+str(_p)+"e\n")%numpy.min( Yy )
 133             msg += ("       Maximum value of the whole set of outputs.....: %."+str(_p)+"e\n")%numpy.max( Yy )
 134             msg += ("       Mean of vector of the whole set of outputs....: %."+str(_p)+"e\n")%numpy.mean( Yy )
 135             msg += ("       Standard error of the whole set of outputs....: %."+str(_p)+"e\n")%numpy.std( Yy )
 136             Ym = numpy.mean( numpy.array( Ys ), axis=0 )
 137             msg += ("\n     Characteristics of the vector Ym, mean of the outputs Y:\n")
 138             msg += ("       Size of the mean of the outputs...............: %i\n")%Ym.size
 139             msg += ("       Minimum value of the mean of the outputs......: %."+str(_p)+"e\n")%numpy.min( Ym )
 140             msg += ("       Maximum value of the mean of the outputs......: %."+str(_p)+"e\n")%numpy.max( Ym )
 141             msg += ("       Mean of the mean of the outputs...............: %."+str(_p)+"e\n")%numpy.mean( Ym )
 142             msg += ("       Standard error of the mean of the outputs.....: %."+str(_p)+"e\n")%numpy.std( Ym )
 143             Ye = numpy.mean( numpy.array( Ys ) - Ym, axis=0 )
 144             msg += "\n     Characteristics of the mean of the differences between the outputs Y and their mean Ym:\n"
 145             msg += ("       Size of the mean of the differences...........: %i\n")%Ym.size
 146             msg += ("       Minimum value of the mean of the differences..: %."+str(_p)+"e\n")%numpy.min( Ye )
 147             msg += ("       Maximum value of the mean of the differences..: %."+str(_p)+"e\n")%numpy.max( Ye )
 148             msg += ("       Mean of the mean of the differences...........: %."+str(_p)+"e\n")%numpy.mean( Ye )
 149             msg += ("       Standard error of the mean of the differences.: %."+str(_p)+"e\n")%numpy.std( Ye )
 150             msg += ("\n     %s\n"%("-"*75,))
 151             print(msg)
 152         #
 153         logging.debug("%s Nombre d'évaluation(s) de l'opérateur d'observation direct/tangent/adjoint.: %i/%i/%i"%(self._name, HO["Direct"].nbcalls(0),HO["Tangent"].nbcalls(0),HO["Adjoint"].nbcalls(0)))
 154         logging.debug("%s Nombre d'appels au cache d'opérateur d'observation direct/tangent/adjoint..: %i/%i/%i"%(self._name, HO["Direct"].nbcalls(3),HO["Tangent"].nbcalls(3),HO["Adjoint"].nbcalls(3)))
 155         logging.debug("%s Taille mémoire utilisée de %.1f Mo"%(self._name, m.getUsedMemory("M")))
 156         logging.debug("%s Terminé"%self._name)
 157         #
 158         return 0
 159
 160 # ==============================================================================
 161 if __name__ == "__main__":
 162     print '\n AUTODIAGNOSTIC \n'