def game_end(self):
board.draw()
winner = cmp(player1.score(), player2.score())
if not winner:
print(nl, self.tiemsg)
else:
print(nl, self.winmsg % (player1 if winner>0 else player2))
sys.exit()
def game_end(self):
board.draw()
winner = cmp(player1.score(), player2.score())
if not winner:
print(nl, self.tiemsg)
else:
print(nl, self.winmsg % (player1 if winner > 0 else player2))
sys.exit()
def get_data(corpus):
'''为验证集验证模型使用的数据
X : numpy.array, (num_sample,num_feature)
Y : numpy.array, (num_sample,1)
samples : python-list,(num_sample,)
ans : python-list, (num_question,num_answer)
question2sample : python-dict, key:questionindex , value:sampleindexs
'''
X, Y, samples, ans = [], [], [], []
gold_tuples, question2sample = [], {}
sample_index, true_num, hop2_num, hop2_true_num = 0, 0, 0, 0
for i in range(len(corpus)):
candidate_tuples = corpus[i]['candidate_tuples']
gold_entities = corpus[i]['gold_entities']
gold_relations = corpus[i]['gold_relations']
gold_tuple = tuple(gold_entities + gold_relations)
answer = corpus[i]['answer']
q_sample_indexs = []
for t in candidate_tuples:
features = candidate_tuples[t]
if len(gold_tuple) == len(set(gold_tuple).intersection(set(t))):
X.append([features[-1]])
Y.append([1])
else:
X.append([features[-1]])
Y.append([0])
samples.append(t)
q_sample_indexs.append(sample_index)
sample_index += 1
ans.append(answer)
gold_tuples.append(gold_tuple)
question2sample[i] = q_sample_indexs
if_true = 0
#判断gold tuple是否包含在候选tuples中
for thistuple in candidate_tuples:
if cmp(thistuple, gold_tuple) == 0:
if_true = 1
break
#判断单实体问题中，可召回的比例
if if_true == 1:
true_num += 1
if len(gold_tuple) <= 3 and len(gold_entities) == 1:
hop2_true_num += 1
if len(gold_tuple) <= 3 and len(gold_entities) == 1:
hop2_num += 1
X = np.array(X, dtype='float32')
Y = np.array(Y, dtype='float32')
print('单实体问题中，候选答案可召回的的比例为:%.3f' % (hop2_true_num / hop2_num))
print('候选答案能覆盖标准查询路径的比例为:%.3f' % (true_num / len(corpus)))
return X, Y, samples, ans, gold_tuples, question2sample
def compute_precision(gold_tuples, predict_tuples, predict_props):
'''
计算单实体问题中，筛选后候选答案的召回率，float
'''
true_num = 0
one_subject_num = 0
for i in range(len(gold_tuples)):
gold_tuple = gold_tuples[i]
if len(gold_tuple) <= 3:
one_subject_num += 1
for j in range(len(predict_tuples[i])):
predict_tuple = predict_tuples[i][j]
if cmp(predict_tuple, gold_tuple) == 0:
true_num += 1
break
return true_num / one_subject_num
def get_extensible_model(modulname, required_attributes):
"""Returns a Gtk.ListStore of found classes that implement a specific function.
These classes are searched in the builtin module 'modulname', and then
in all .py or .pyc files in the directory config.user_data_dir/modulname.
The attribute short_description is implicitely required.
The sort order is set to the priority field."""
# builtin
model = _get_extensible_model_from_modulname(modulname, required_attributes)
# user specific
folder = get_user_extension_folder(modulname)
if not os.path.isdir(folder):
try:
os.makedirs(folder)
except OSError:
_logger.debug("Could not create '%s'" % folder)
else:
_logger.debug("Created '%s'" % folder)
try:
files = os.listdir(folder)
except OSError:
_logger.warning("Could not list '%s'" % folder)
else:
modules = set()
for file in files:
if file.endswith(".py"):
modules.add(file[0:-3])
elif file.endswith(".pyc"):
modules.add(file[0:-4])
sys.path.insert(0, folder)
for found_module in modules:
_get_extensible_model_from_modulname(found_module, required_attributes, model)
del sys.path[0]
model.set_default_sort_func(lambda model, iter1, iter2, user_data : utils.cmp(model.get_value(iter1, constants.EXTENSIBLE_MODEL_COLUMN_PRIORITY),
model.get_value(iter2, constants.EXTENSIBLE_MODEL_COLUMN_PRIORITY)), None)
model.set_sort_column_id(constants.GBR_GTK_TREE_SORTABLE_DEFAULT_SORT_COLUMN_ID, Gtk.SortType.ASCENDING)
return model
def test_that_check_the_ability_to_play_alone(_, __, rf, tester):
import tmp_name.business.actions
import tmp_name.views.gwbmods
request = rf.post('/create_game/', data=dict(type=1))
request.user = tester
response = create_game(request)
assert response.status_code == 201
key = loads(response.content)['result']
request = rf.post('/init_game/')
request.user = tester
response = init_game(request)
assert response.status_code == 200
assert key == 7777
gg = GiG.objects.get(gamer=tester)
game = gg.game
assert gg.chief
assert gg.color == 16515072
assert gg.gamer.id == tester.id
assert gg.latitude == -1 # изменяется при update_state
assert gg.longitude == -1 # -||-
assert gg.status == GiG.StatusGiGChoices.ACTIVE
dump = gg.__dict__
assert game.cnt_gamers == 1
assert game.duration is None
assert game.status == game.StatusGameChoices.INITIALIZED
assert game.type_game == 1
request = rf.post('/begin_game/', data=dict(duration=155))
request.user = tester
response = begin_game(request)
gg = GiG.objects.get(gamer=tester)
game = gg.game
assert cmp(gg.__dict__, dump, exclude=['_state'])
assert game.StatusGameChoices.STARTED == game.status
assert game.time_end_game == 165
assert game.duration == 155
def get_train_data(corpus):
'''
为训练集的候选答案生成逻辑回归训练数据，由于正负例非常不均衡，对于负例进行0.05的采样
'''
X, Y = [], []
true_num, hop2_num, hop2_true_num = 0, 0, 0
for i in range(len(corpus)):
candidate_tuples = corpus[i]['candidate_tuples'] #字典
gold_entities = corpus[i]['gold_entities']
gold_relations = corpus[i]['gold_relations']
gold_tuples = tuple(gold_entities + gold_relations)
for t in candidate_tuples:
features = candidate_tuples[t]
if len(gold_tuples) == len(set(gold_tuples).intersection(set(t))):
X.append([features[-1]]) # mention长度？？？？？？？？？？
Y.append([1])
else:
prop = random.random()
if prop < 0.05:
X.append([features[-1]])
Y.append([0])
if_true = 0 # 判断答案是否召回
for thistuple in candidate_tuples:
if cmp(thistuple, gold_tuples) == 0:
if_true = 1
break
if if_true == 1:
true_num += 1
if len(gold_tuples) <= 3 and len(gold_entities) == 1:
hop2_true_num += 1
if len(gold_tuples) <= 3 and len(gold_entities) == 1:
hop2_num += 1
X = np.array(X, dtype='float32')
Y = np.array(Y, dtype='float32')
print('单实体问题中，候选答案可召回的的比例为:%.3f' % (hop2_true_num / hop2_num))
print('候选答案能覆盖标准查询路径的比例为:%.3f' % (true_num / len(corpus)))
return X, Y
def sort(self, model, iter1, iter2, user_data):
if self._case_sensitive:
return utils.cmp(model.get_value(iter1, 0), model.get_value(iter2, 0))
else:
return utils.cmp(model.get_value(iter1, 0).lower(), model.get_value(iter2, 0).lower())
return Vl
def savelist(f,l):
for x in l:
f.write("%.20f\n"%x)
def save(r,U3,Vloc,V0,V1,V2):
f=file("potentials.dat","w")
savelist(f,r)
savelist(f,U3)
savelist(f,Vloc)
savelist(f,V0)
savelist(f,V1)
savelist(f,V2)
r=parse_fort67()
rho=parse_1adns()
U3,UP0,UP1,UP2=parse_fort49()
va,val,ngau=parse_1adat()
Vloc=computeVloc(r,va)
V0,V1,V2=[computeVl(L,r,val,ngau) for L in (0,1,2)]
utils.cmp(UP0,[x+y for (x,y) in zip(Vloc,V0)],7)
utils.cmp(UP1,[x+y for (x,y) in zip(Vloc,V1)],7)
utils.cmp(UP2,[x+y for (x,y) in zip(Vloc,V2)],7)
save(r,U3,Vloc,V0,V1,V2)
#plot(r,rho,U3,UP0,UP1,UP2,Vloc)
U=[x+y for (x,y) in zip(Vloc,U3)]
plot2(r,rho,U,V0,V1,V2)
def optimize_metadata(filelist, metadata):
unique_files = []
for files in filelist:
# files - кортэж (file_in_backup, new_file, status) новый файл который нужно будет добавить
# Если filse это строка, зачит файл действительно уникальный и его нужно будет добавить в архив
if (isinstance(files, str)):
continue
backupfile, newfile, status = files
if (status == 'renamed') or (status == 'removed_and_renamed'):
# Получение старых метаданных файла с бэкапа
file_metadata = metadata[backupfile]
# Если обновляемый файл имеет дочернее файлы, которые ссылаються на него, изменяет у них имя родителя
# Нужно при распаковке файла с архива
if file_metadata['has_child']:
# Изменение имени родителя в дочерних файлах
for child in file_metadata['childs']:
metadata[child].update({
'has_parent': True,
'parent': backupfile
})
# Привязка нового имени файла к старым метаданным
metadata[newfile] = file_metadata
metadata[backupfile]['is_deleted'] = True
# del metadata[backupfile]
elif (status == 'removed'):
# Привязка нового имени файла к старым метаданным
metadata[newfile] = metadata[backupfile]
# Удаляет старые данные
# del metadata[backupfile]
metadata[backupfile]['is_deleted'] = True
elif (status == 'copied'):
# Получение метаданных файла с бэкапа
file_metadata = metadata[backupfile]
new_file_metadata = get_information(newfile)
if (metadata[backupfile]['has_child']):
childs_list = metadata[backupfile]['childs']
childs_list.append(newfile)
metadata[backupfile].update({'childs': childs_list})
else:
metadata[backupfile].update({
'has_child': True,
'childs': [newfile]
})
new_file_metadata.update({
'has_parent': True,
'parent': backupfile
})
metadata[newfile] = new_file_metadata
elif (status == 'updated'):
# backupfile - файл который нужно будет обновить
for key in metadata:
# key - файл находящийся в архиве и является копией backupfile
filedata = metadata[key]
# Если в архие есть копия обновляймого файла, изменяет метаданные
if (utils.cmp(backupfile, filedata)):
# Если обновляемый файл имеет копию, передает уникальное имя (ufn) этого файла дочернему (это имя используется при распаковке)
# и стирает данные о родстве этих файлов
if (filedata['has_child']):
metadata[key].update({
'has_parent': False,
'parent': None
})
metadata[backupfile].update({
'has_child': False,
'childs': []
})
if (filedata['has_parent']):
# Стираем данные о родителе в дочернего файла, поскольку он будет обновлен и не схож со своим радителем
metadata[key].update({
'has_parent': False,
'parent': None
})
# Стираем данные о дочернем файле в родителя
metadata[backupfile].update({
'has_child': False,
'childs': []
})
elif (status == 'deleted'):
file_metadata = metadata[backupfile]
if (file_metadata['has_child']):
for child_name in file_metadata['childs']:
child_metadata = metadata[child_name]
# Передача уникального имени файла в архиве, дорернему файлу и удаление родственности
child_metadata.update({
'has_parent': False,
'parent': None,
'ufn': file_metadata['ufn']
})
# Делает отметку, что файл был уделен с архива
file_metadata.update({'is_deleted': True})
else:
unique_files.append(newfile)
return unique_files