Major Issues with nanopyx.methods.esrrf.parameter_sweep
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 42/100
- Tipo di issue
- Bug
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Tranquilla
- Stack tecnologico
- python
- Ambito
- computer-vision, performance
Direzione di ricerca
Inizia da nanopyx.methods.esrrf.parameter_sweep e traccia la gestione di n_frames e il calcolo di qnr. Riproduci il caso segnalato di elaborazione in batch da 100 frames su dataset di grandi dimensioni e il caso di qnr basso con dati ridotti. Il lavoro è completato quando l'elaborazione in batch rimane entro il limite di memoria previsto e qnr restituisce un valore plausibile per le immagini di riferimento ed eSRRF indicate.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
The parameter sweep function experiences several errors when attempting to use the n_frames keyword argument. When attempting to split a large data set into 100 frame batches, the function will load the entire data set, creating a memory overflow. I have been able to pass 100 frames to the parameter sweep function without any issues on my laptop with 32GB of RAM. However, attempting to batch large data sets (1000+ frames) into 100 frame chucks causes memory to exceed 75GBs on a high performance cluster.
By reducing the size of the original dataset, the function can run within memory limits; however, it displays a quirk in qnr the calculation returning the impossibly low value of 0. The resulting qnr chart is depicted below, despite moderate similarities in the reference image and the eSRRF image:
Please ignore the "1000 frame average" title the variable used in the f-string was outdated. Both the references and eSRRF image are from 10 frames.
- Lingua principale
- Jupyter Notebook
- Stelle
- 93
- Fork
- 13
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
Preparare l'ambiente
- Include un Dockerfile o un file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di HenriquesLab/NanoPyx
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
HenriquesLab/NanoPyx#152 · 2 commenti ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
HenriquesLab/NanoPyx#150 · 4 commenti ·
Tutte le issue di HenriquesLab/NanoPyx
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
activeloopai/deeplake#3256 ·
I maintainer di solito rispondono entro 1 giorno
-
bug
Difficoltà 2/5 1-3 ore Idoneità per principianti 84/100
-
CPU k-means returns a random input color instead of the mean when k = 1Forse già presa @nitin-kumar-code l’ha presa 2 giorni fa. Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 86/100
Ryan-Millard/Img2Num#681 · 4 commenti ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 86/100
-
denormalize validates channel vectors against the wrong axis for non-image ranksForse già presa @AHMETHAKANBEZIR1 l’ha presa 2 giorni fa. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno