Pin PSFEx's compiled-in SAMPLE_* candidate cuts explicitly in default.psfex
Maintainer thường phản hồi trong vòng 1 ngày
Chưa có ai nhận issue này.
Đánh giá
- Độ khó
- 1/5
- Thời gian dự kiến
- Dưới một giờ
- Mức phù hợp với người mới
- 85/100
- Loại issue
- Tái cấu trúc
- Độ rõ ràng
- Đặc tả rõ ràng
- Mức độ hoạt động
- Sôi nổi
- Lĩnh vực
- tooling
Hướng nghiên cứu
Chỉnh sửa workflow/config/cfis/default.psfex và so sánh các thiết lập SAMPLE_* của nó với các giá trị được biên dịch sẵn từ psfex -dd trong image develop-runtime. Ghi rõ các giá trị mặc định candidate-cut được liệt kê, giữ nguyên SAMPLE_AUTOSELECT N và xóa marker [HARDCODED] để bản ghi quyết định có thể xác nhận cấu hình.
Do mô hình lập chỉ mục viết ra từ nội dung của issue.
Mô tả
workflow/config/cfis/default.psfex sets SAMPLE_AUTOSELECT N and leaves every other SAMPLE_* key to PSFEx's compiled-in defaults — a second PSF-star selection no config records. From psfex -dd in the develop-runtime image (PSFEx 3.21.1): SAMPLE_MINSN 20, SAMPLE_MAXELLIP 0.3, SAMPLE_FWHMRANGE 2.0,10.0, SAMPLE_VARIABILITY 0.2, SAMPLE_FLAGMASK 0x00fe, SAMPLE_WFLAGMASK 0x0000, SAMPLE_IMAFLAGMASK 0x0, BADPIXEL_FILTER N. Which of these still act with autoselect off is not stated in the PSFEx docs (MAXELLIP alone is a real cut on the PSF-star sample). Write them into default.psfex explicitly so the decision record (#875, star_selection_psf.psfex_candidate_vetting) can assert them and a PSFEx upgrade cannot move them silently; the [HARDCODED] marker then goes.
- Ngôn ngữ chính
- Python
- Star
- 18
- Fork
- 14
- Merge trung bình
- 1 ngày 3 giờ
- Pull request đã merge (30 ngày)
- 19
Chuẩn bị môi trường
- Có Dockerfile hoặc tệp Docker Compose
- Có mẫu pull request
- Đọc hướng dẫn đóng góp
Bắt đầu từ đâu
- Đọc hết issue, rồi đọc hướng dẫn đóng góp của dự án.
- Bình luận trên issue rằng bạn sẽ nhận — tránh hai người làm cùng một việc.
- Fork repository và làm thay đổi trên một nhánh.
- Mở pull request có tham chiếu số hiệu của issue.
Issue khác của CosmoStat/shapepipe
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 75/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 84/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 3/5 1-2 ngày Mức phù hợp với người mới 65/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 45/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 4/5 3-5 ngày Mức phù hợp với người mới 55/100
Maintainer thường phản hồi trong vòng 1 ngày
Tất cả issue của CosmoStat/shapepipe
Issue tương tự
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 86/100
Maintainer thường phản hồi trong vòng 1 ngày
-
Độ khó 2/5 1-2 ngày Mức phù hợp với người mới 70/100
-
FingerprintSplitter raises ZeroDivisionError when int(frac_train * len(dataset)) floors to zeroĐang mở
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 88/100
Maintainer thường phản hồi trong vòng 7 ngày
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 70/100
lmstudio-ai/mlx-engine#376 ·
-
Độ khó 2/5 1-3 giờ Mức phù hợp với người mới 72/100
pyiron/bagofholding#166 ·