{
 "cells": [
  {
   "cell_type": "code",
   "execution_count": 1,
   "id": "b9b5254c",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "2022-10-24 13:21:55.361983: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'libcudart.so.11.0'; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or directory\n",
      "2022-10-24 13:21:55.362017: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.\n"
     ]
    }
   ],
   "source": [
    "from library.analysis import loadDataset, testSets\n",
    "from library.generators.NextConvGeN import NextConvGeN\n",
    "from fdc.fdc import FDC"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 2,
   "id": "6bfec0a2",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Load 'folding_flare-F'\n",
      "from pickle file\n",
      "non empty cut in folding_flare-F! (70 points)\n",
      "Data loaded.\n"
     ]
    }
   ],
   "source": [
    "data = loadDataset(testSets[4])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 3,
   "id": "6d686da5",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "(1066, 1023, 43)\n"
     ]
    }
   ],
   "source": [
    "print((len(data.data), len(data.data0), len(data.data1)))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 4,
   "id": "9e3e3806",
   "metadata": {},
   "outputs": [],
   "source": [
    "fdc = FDC()\n",
    "fdc.nom_list = list(range(data.data0.shape[1]))"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 5,
   "id": "01d71d6a",
   "metadata": {},
   "outputs": [],
   "source": [
    "gen = NextConvGeN(data.data0.shape[1], neb=5, fdc=fdc)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 6,
   "id": "ad01be2b",
   "metadata": {},
   "outputs": [
    {
     "name": "stderr",
     "output_type": "stream",
     "text": [
      "2022-10-24 13:22:01.772778: W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'libcuda.so.1'; dlerror: libcuda.so.1: cannot open shared object file: No such file or directory\n",
      "2022-10-24 13:22:01.772808: W tensorflow/stream_executor/cuda/cuda_driver.cc:269] failed call to cuInit: UNKNOWN ERROR (303)\n",
      "2022-10-24 13:22:01.772828: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:156] kernel driver does not appear to be running on this host (efdcb09fb24e): /proc/driver/nvidia/version does not exist\n",
      "2022-10-24 13:22:01.773733: I tensorflow/core/platform/cpu_feature_guard.cc:151] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations:  AVX2 FMA\n",
      "To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags.\n"
     ]
    }
   ],
   "source": [
    "gen.reset(data.data1)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 7,
   "id": "4698522c",
   "metadata": {
    "scrolled": false
   },
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "FDC.normalize (init): 0.00003 / 0.000s\n",
      "|data| = (43, 11)\n",
      "FDC.normalize (clustering CONT): 0.00005 / 0.000s\n",
      "FDC.normalize (clustering ORD): 0.00001 / 0.000s\n",
      "umap with metric 'hamming'\n",
      "|part| = (43, 11)\n",
      "|emb_A| = (43, 1)\n",
      "|emb_A| = (43, 1)\n",
      "FDC.normalize (clustering NOM): 5.66512 / 5.665s\n",
      "FDC.normalize (concat): 0.00007 / 5.665s\n",
      "|fdc| = (43, 1)\n",
      "FDC.normalize (total): 0.00002 / 5.665s\n",
      "|N| = (43, 1)\n",
      "|D| = (43, 11)\n",
      "[==========] [==========] [==========]\r"
     ]
    }
   ],
   "source": [
    "gen.train(data.data1)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 8,
   "id": "fe3027a2",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "Train: #1 213.6447s\n",
      "BMB: #2580 0.8377s\n",
      "NbhSearch: #1 0.0139s\n",
      "NBH: #2150 1.4677s\n",
      "GenSamples: #2150 68.9012s\n",
      "Fit: #2150 89.1429s\n"
     ]
    }
   ],
   "source": [
    "for x in gen.timing:\n",
    "    print(gen.timing[x])"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 9,
   "id": "919390c3",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "<fdc.fdc.FDC at 0x7ff70b133910>"
      ]
     },
     "execution_count": 9,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "gen.fdc"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 10,
   "id": "cda17654",
   "metadata": {},
   "outputs": [],
   "source": [
    "syntheticPoints = gen.generateData(10)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 11,
   "id": "41853bd3",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "array([[2., 0., 0., 1., 0., 1., 1., 1., 0., 1., 1.],\n",
       "       [0., 1., 0., 1., 0., 1., 1., 1., 2., 0., 0.],\n",
       "       [4., 1., 1., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 1., 1., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [2., 1., 1., 2., 0., 1., 1., 1., 3., 0., 0.],\n",
       "       [0., 1., 0., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 1., 0., 2., 0., 0., 1., 0., 1., 0., 0.],\n",
       "       [2., 1., 1., 2., 0., 1., 1., 1., 3., 0., 0.],\n",
       "       [4., 2., 0., 0., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 1., 0., 0., 0., 0., 1., 0., 0., 0., 0.]], dtype=float32)"
      ]
     },
     "execution_count": 11,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "syntheticPoints"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 12,
   "id": "da5ebdb9",
   "metadata": {},
   "outputs": [
    {
     "data": {
      "text/plain": [
       "array([[2., 0., 1., 2., 0., 1., 1., 1., 0., 0., 0.],\n",
       "       [2., 0., 1., 1., 0., 1., 1., 0., 4., 0., 0.],\n",
       "       [0., 0., 1., 1., 0., 1., 1., 0., 1., 0., 0.],\n",
       "       [0., 1., 1., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [2., 0., 1., 2., 2., 1., 1., 1., 1., 0., 0.],\n",
       "       [2., 1., 1., 1., 0., 1., 1., 1., 1., 0., 0.],\n",
       "       [0., 1., 0., 1., 0., 1., 1., 0., 2., 0., 0.],\n",
       "       [2., 1., 1., 2., 0., 1., 1., 1., 3., 0., 0.],\n",
       "       [4., 2., 0., 0., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 1., 0., 0., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [4., 1., 0., 2., 0., 1., 1., 0., 2., 0., 0.],\n",
       "       [4., 1., 1., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [3., 1., 0., 1., 0., 1., 1., 0., 1., 0., 0.],\n",
       "       [1., 2., 0., 2., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [2., 1., 0., 1., 0., 1., 1., 0., 4., 0., 0.],\n",
       "       [0., 1., 1., 2., 0., 1., 1., 1., 1., 1., 0.],\n",
       "       [0., 1., 1., 2., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 1., 0., 1., 0., 1., 1., 0., 1., 0., 0.],\n",
       "       [0., 1., 0., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 1., 1., 1., 0., 1., 1., 0., 1., 0., 0.],\n",
       "       [0., 1., 0., 2., 0., 0., 1., 0., 0., 0., 0.],\n",
       "       [2., 0., 0., 1., 0., 1., 1., 1., 0., 1., 1.],\n",
       "       [2., 0., 0., 2., 0., 1., 1., 1., 0., 0., 0.],\n",
       "       [2., 1., 0., 1., 0., 1., 1., 1., 0., 0., 0.],\n",
       "       [4., 1., 1., 1., 0., 1., 1., 0., 2., 0., 0.],\n",
       "       [0., 1., 1., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 1., 0., 1., 0., 1., 1., 1., 1., 0., 0.],\n",
       "       [2., 0., 1., 2., 0., 1., 1., 1., 0., 0., 0.],\n",
       "       [0., 1., 1., 1., 0., 1., 1., 0., 1., 0., 1.],\n",
       "       [0., 1., 1., 1., 0., 1., 1., 0., 3., 0., 0.],\n",
       "       [4., 2., 1., 1., 0., 0., 1., 0., 0., 0., 0.],\n",
       "       [2., 1., 0., 1., 0., 1., 1., 0., 1., 0., 0.],\n",
       "       [0., 1., 1., 1., 2., 1., 1., 0., 0., 0., 0.],\n",
       "       [4., 1., 0., 2., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 0., 1., 2., 0., 1., 1., 1., 2., 0., 0.],\n",
       "       [0., 1., 1., 1., 0., 1., 1., 0., 2., 0., 0.],\n",
       "       [2., 1., 1., 1., 2., 1., 1., 0., 0., 0., 0.],\n",
       "       [0., 1., 0., 1., 0., 1., 1., 0., 4., 0., 0.],\n",
       "       [0., 1., 1., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [1., 2., 0., 1., 0., 0., 1., 0., 0., 0., 0.],\n",
       "       [4., 1., 0., 2., 0., 1., 1., 0., 1., 0., 0.],\n",
       "       [0., 1., 0., 1., 0., 1., 1., 0., 0., 0., 0.],\n",
       "       [1., 2., 0., 1., 0., 1., 1., 0., 1., 0., 0.]])"
      ]
     },
     "execution_count": 12,
     "metadata": {},
     "output_type": "execute_result"
    }
   ],
   "source": [
    "data.data1"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": 13,
   "id": "4043256c",
   "metadata": {},
   "outputs": [
    {
     "name": "stdout",
     "output_type": "stream",
     "text": [
      "0.0\n",
      "1.0\n",
      "0.0\n",
      "0.0\n",
      "0.0\n",
      "0.0\n",
      "1.0\n",
      "0.0\n",
      "0.0\n",
      "1.0\n"
     ]
    }
   ],
   "source": [
    "import math\n",
    "for p in syntheticPoints:\n",
    "    print(min([math.sqrt(sum(y*y)) for y in (data.data1 - p) ]))"
   ]
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3 (ipykernel)",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.8.15"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}