[Code scan] Convert atom-type arrays to scalars in feature_to_block
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 2/5
- Tiempo estimado
- 1-3 horas
- Aptitud para principiantes
- 84/100
- Tipo de issue
- Error
- Claridad
- Bien especificado
- Estado de actividad
- Tranquilo
- Stack tecnológico
- numpy, python
- Área
- data-engineering
Línea de trabajo
Lee dftio/data/interfaces/ham_to_feature.py en la lógica de feature_to_block() alrededor de las líneas 199 y 226-227. Comprueba cómo se usan los resultados de idp.untransform() tanto para los tipos de átomos centrales como para los tipos de átomos de borde, y verifica después que cada valor sea escalar antes de indexar chemical_symbols. Se considera terminado cuando los tipos de átomos con forma (N, 1) ya no generan TypeError.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
This issue comes from a Codex global repository scan.
Problem
feature_to_block() indexes ase.data.chemical_symbols with the ndarray returned by idp.untransform(...):
The same pattern appears for edge atoms:
When atom types are shaped like (N, 1), idp.untransform(data[_keys.ATOM_TYPE_KEY][atom].reshape(-1)) returns an array such as array([14]), and list indexing with that ndarray raises TypeError.
Suggested fix
Convert the untransformed result to a scalar before indexing:
atomic_number = int(np.asarray(idp.untransform(...)).reshape(-1)[0])
symbol = ase.data.chemical_symbols[atomic_number]
- Lenguaje dominante
- Jupyter Notebook
- Estrellas
- 16
- Forks
- 14
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de deepmodeling/dftio
-
Dificultad 2/5 1-2 días Aptitud para principiantes 78/100
deepmodeling/dftio#44 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
deepmodeling/dftio#43 ·
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
deepmodeling/dftio#42 ·
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
deepmodeling/dftio#41 ·
-
Dificultad 2/5 Medio día Aptitud para principiantes 75/100
deepmodeling/dftio#40 ·
Todos los issues de deepmodeling/dftio
Issues similares
-
automation missing-model model-sync provider:tinfoil
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
anomalyco/models.dev#12053 ·
Los mantenedores suelen responder en 1 día
-
`_small_angle_of_2_vectors` loses accuracy for nearly parallel vectors (naive difference of products in Kahan's formula)Posiblemente ocupada @hongyuchen1030 la tomó hoy. Abiertobug
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
Los mantenedores suelen responder en 3 días
-
kind/bug kind/security
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
spiceai/spiceai#15826 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 68/100
-
approved correction metadata
Dificultad 1/5 Menos de una hora Aptitud para principiantes 65/100
acl-org/acl-anthology#10687 · 2 comentarios ·
Los mantenedores suelen responder en 1 día