Pomegranate: GeneralMixtureModel.predict () TypeError देता है: 'numpy.float64' प्रकार की वस्तु में कोई लेन नहीं है ()

रविवार की मस्ती के लिए, मैंने यह जांच करने के लिए git bisect करने का फैसला किया कि यह कब शुरू हुआ।
निम्नलिखित प्रतिबद्धता सफलतापूर्वक चली और निम्न प्रतिबद्धता वह है जहां यह विफल रहता है ।

यहाँ स्क्रिप्ट और मेकफ़ाइल हैं:
bisect.bash.txt
Makefile.txt

उस रेखा को कम करने में कामयाब रहा जहां से त्रुटि आ रही है:

In [8]: try: gmm_predictions = gmm.predict( np.array(seq) )
   ...: except:
   ...:     import traceback
   ...:     traceback.print_exc()
   ...:     
Traceback (most recent call last):
  File "<ipython-input-8-88c80acd3363>", line 1, in <module>
    try: gmm_predictions = gmm.predict( np.array(seq) )
  File "pomegranate/bayes.pyx", line 425, in pomegranate.bayes.BayesModel.predict
TypeError: object of type 'numpy.float64' has no len()

यहाँ से आ रहा है: https://github.com/jmschrei/pomegranate/blob/master/pomegranate/bayes.pyx#L425

कोड कहता है:

        if not self.is_vl_:
            X_ndarray = _check_input(X, self.keymap)
            X_ptr = <double*> X_ndarray.data
========>       n, d = len(X_ndarray), len(X_ndarray[0])   ## <===== here is the error
            if d != self.d:
                raise ValueError("sample only has {} dimensions but should have {} dimensions".format(d, self.d))
        else:
            X_ndarray = X
            n, d = len(X_ndarray), self.d

n, d = len(X_ndarray), len(X_ndarray[0]) को . में रूपांतरित किया

n = len(X_ndarray)
d = len(X_ndarray[0])

लाइन को दो भागों में विभाजित करने के बाद, यह स्पष्ट है कि त्रुटि X_ndarray एक आयामी होने के कारण है। यह त्रुटि len(X_ndarray[0]) . उत्पन्न कर रहा है

सुनिश्चित नहीं है कि ऐसा करने का उद्देश्य क्या है:

https://github.com/jmschrei/pomegranate/blob/5652aa44bae7442a1d42f60424128ea8356266d7/pomegranate/bayes.pyx#L208

शायद इस समारोह में कुछ चल रहा है:

https://github.com/jmschrei/pomegranate/blob/5652aa44bae7442a1d42f60424128ea8356266d7/pomegranate/utils.pyx#L309

इस फ़ंक्शन को लागू करने के लिए हम करते हैं:

keymap = [{key: i for i, key in enumerate(set(functools.reduce(lambda x, y: x+y, [d.keys() for d in gmm.distributions])))}]

print(keymap)
[{'A': 0, 'C': 1, 'T': 2, 'G': 3}]


a = utils._check_input(np.array(seq), keymap)

a.shape
Out[17]: (51,)

print(a)
[ 1.  3.  0.  1.  2.  0.  1.  2.  3.  0.  1.  2.  0.  1.  2.  1.  3.  1.
  1.  3.  0.  1.  3.  1.  3.  0.  1.  2.  3.  1.  1.  3.  2.  1.  2.  0.
  2.  0.  1.  2.  3.  1.  3.  1.  0.  2.  0.  1.  3.  3.  1.]

यह सत्यापित करता है कि हमें बदले में एक आयामी सरणी मिल रही है।

@jmschrei क्या आप इसे देख सकते हैं?

इस पर गौर करने में आपके काम के लिए धन्यवाद। मैं विकास से एक संक्षिप्त ब्रेक ले रहा था लेकिन अब वापस आ गया हूं।

मैंने 1D सरणी को utils.pyx फ़ाइल में 2D सरणी के रूप में पुन: व्यवस्थित करके इस समस्या को ठीक किया। ऐसा लग रहा था कि अब मेरी मशीन पर काम कर रहा है।