Changeset c912c67 for python/test


Ignore:
Timestamp:
Feb 17, 2006, 6:17:10 PM (19 years ago)
Author:
Paul Brossier <piem@altern.org>
Branches:
feature/autosink, feature/cnn, feature/cnn_org, feature/constantq, feature/crepe, feature/crepe_org, feature/pitchshift, feature/pydocstrings, feature/timestretch, fix/ffmpeg5, master, pitchshift, sampler, timestretch, yinfft+
Children:
d998190
Parents:
e968939
Message:

merge some benchonset code into node
merge some benchonset code into node

File:
1 edited

Legend:

Unmodified
Added
Removed

  • python/test/bench/onset/bench-onset

    re968939 rc912c67  
    2020class benchonset(bench):
    2121
     22        """ list of values to store per file """
    2223        valuenames = ['orig','missed','Tm','expc','bad','Td']
     24        """ list of lists to store per file """
    2325        valuelists = ['l','labs']
    24         printnames = [ 'mode', 'thres', 'dist', 'prec', 'recl', 'Ttrue', 'Tfp',  'Tfn',  'Tm',   'Td',
    25                 'aTtrue', 'aTfp', 'aTfn', 'aTm',  'aTd',  'mean', 'smean',  'amean', 'samean']
     26        """ list of values to print per dir """
     27        printnames = [ 'mode', 'thres', 'dist', 'prec', 'recl',
     28                'Ttrue', 'Tfp',  'Tfn',  'Tm',   'Td',
     29                'aTtrue', 'aTfp', 'aTfn', 'aTm',  'aTd', 
     30                'mean', 'smean',  'amean', 'samean']
    2631
    27         formats = {'mode': "%12s" ,
    28         'thres': "%5.4s",
    29         'dist':  "%5.4s",
    30         'prec':  "%5.4s",
    31         'recl':  "%5.4s",
    32                  
    33         'Ttrue': "%5.4s",
    34         'Tfp':   "%5.4s",
    35         'Tfn':   "%5.4s",
    36         'Tm':    "%5.4s",
    37         'Td':    "%5.4s",
    38                  
    39         'aTtrue':"%5.4s",
    40         'aTfp':  "%5.4s",
    41         'aTfn':  "%5.4s",
    42         'aTm':   "%5.4s",
    43         'aTd':   "%5.4s",
    44                  
    45         'mean':  "%5.40s",
    46         'smean': "%5.40s",
    47         'amean':  "%5.40s",
    48         'samean': "%5.40s"}
    49        
    50         def file_gettruth(self,input):
    51                 from os.path import isfile
    52                 ftrulist = []
    53                 # search for match as filetask.input,".txt"
    54                 ftru = '.'.join(input.split('.')[:-1])
    55                 ftru = '.'.join((ftru,'txt'))
    56                 if isfile(ftru):
    57                         ftrulist.append(ftru)
    58                 else:
    59                         # search for matches for filetask.input in the list of results
    60                         for i in range(len(self.reslist)):
    61                                 check = '.'.join(self.reslist[i].split('.')[:-1])
    62                                 check = '_'.join(check.split('_')[:-1])
    63                                 if check == '.'.join(input.split('.')[:-1]):
    64                                         ftrulist.append(self.reslist[i])
    65                 return ftrulist
    66 
    67         def file_exec(self,input,output):
    68                 filetask = self.task(input,params=self.params)
    69                 computed_data = filetask.compute_all()
    70                 ftrulist = self.file_gettruth(filetask.input)
    71                 for i in ftrulist:
    72                         #print i
    73                         filetask.eval(computed_data,i,mode='rocloc',vmode='')
    74                         for i in self.valuenames:
    75                                 self.v[i] += filetask.v[i]
    76                         for i in filetask.v['l']:
    77                                 self.v['l'].append(i)
    78                         for i in filetask.v['labs']:
    79                                 self.v['labs'].append(i)
    80        
    81         def dir_exec(self):
    82                 """ run file_exec on every input file """
    83                 self.l , self.labs = [], []
    84                 self.v = {}
    85                 for i in self.valuenames:
    86                         self.v[i] = 0.
    87                 for i in self.valuelists:
    88                         self.v[i] = []
    89                 self.v['thres'] = self.params.threshold
    90                 act_on_files(self.file_exec,self.sndlist,self.reslist, \
    91                         suffix='',filter=sndfile_filter)
     32        """ per dir """
     33        formats = {'mode': "%12s" , 'thres': "%5.4s",
     34                'dist':  "%5.4s", 'prec': "%5.4s", 'recl':  "%5.4s",
     35                'Ttrue': "%5.4s", 'Tfp':   "%5.4s", 'Tfn':   "%5.4s",
     36                'Tm':    "%5.4s", 'Td':    "%5.4s",
     37                'aTtrue':"%5.4s", 'aTfp':  "%5.4s", 'aTfn':  "%5.4s",
     38                'aTm':   "%5.4s", 'aTd':   "%5.4s",
     39                'mean':  "%5.40s", 'smean': "%5.40s",
     40                'amean':  "%5.40s", 'samean': "%5.40s"}
    9241
    9342        def dir_eval(self):
    94                 totaltrue = self.v['expc']-self.v['bad']-self.v['Td']
    95                 totalfp = self.v['bad']+self.v['Td']
    96                 totalfn = self.v['missed']+self.v['Tm']
     43                """ evaluate statistical data over the directory """
     44                totaltrue = sum(self.v['expc'])-sum(self.v['bad'])-sum(self.v['Td'])
     45                totalfp = sum(self.v['bad'])+sum(self.v['Td'])
     46                totalfn = sum(self.v['missed'])+sum(self.v['Tm'])
    9747                self.P = 100*float(totaltrue)/max(totaltrue + totalfp,1)
    9848                self.R = 100*float(totaltrue)/max(totaltrue + totalfn,1)
    9949                if self.R < 0: self.R = 0
    10050                self.F = 2.* self.P*self.R / max(float(self.P+self.R),1)
    101                
    10251                N = float(len(self.reslist))
    103 
    10452                self.v['mode']      = self.params.onsetmode
     53                self.v['thres']     = self.params.threshold
    10554                self.v['thres']     = "%2.3f" % self.params.threshold
    10655                self.v['dist']      = "%2.3f" % self.F
    … …  
    11362                self.v['aTfp']      = totalfp/N
    11463                self.v['aTfn']      = totalfn/N
    115                 self.v['aTm']       = self.v['Tm']/N
    116                 self.v['aTd']       = self.v['Td']/N
     64                self.v['aTm']       = sum(self.v['Tm'])/N
     65                self.v['aTd']       = sum(self.v['Td'])/N
    11766                self.v['mean']      = mmean(self.v['l'])
    11867                self.v['smean']     = stdev(self.v['l'])
    … …  
    12372                self.modes = modes
    12473                self.thresholds = thresholds
    125 
    12674                self.pretty_titles()
    12775                for mode in self.modes:
    … …  
    13482                                #print self.v
    13583
    136         def pretty_print(self,sep='|'):
    137                 for i in self.printnames:
    138                         print self.formats[i] % self.v[i], sep,
    139                 print
    140 
    141         def pretty_titles(self,sep='|'):
    142                 for i in self.printnames:
    143                         print self.formats[i] % i, sep,
    144                 print
    145 
    14684        def auto_learn(self,modes=['dual'],thresholds=[0.1,1.5]):
    14785                """ simple dichotomia like algorithm to optimise threshold """
    … …  
    14987                self.pretty_titles()
    15088                for mode in self.modes:
    151                         steps = 10
     89                        steps = 11
    15290                        lesst = thresholds[0]
    15391                        topt = thresholds[1]
    … …  
    231169        else: print "ERR: a path is required"; sys.exit(1)
    232170        modes = ['complex', 'energy', 'phase', 'specdiff', 'kl', 'mkl', 'dual']
    233         #modes = [ 'phase' ]
     171        #modes = [ 'mkl' ]
    234172        thresholds = [ 0.01, 0.05, 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2]
    235173        #thresholds = [1.5]
    … …  
    243181        benchonset.valuesdict = {}
    244182
    245 
    246183        try:
    247184                #benchonset.auto_learn2(modes=modes)
Note: See TracChangeset for help on using the changeset viewer.