🤕Dépannage

Le serveur Go ne fonctionne pas ?

Vérifiez l'état du serveur :

Ouvrez la page des paramètres de l'application et vérifiez si le serveur Go est en cours d'exécution :

Si le serveur ne fonctionne pas, cliquez sur "Démarrer le serveur" pour le relancer :

Si aucune des étapes ci‑dessus n'aide à résoudre votre problème, veuillez nous contacter.

Le serveur Go fonctionne correctement mais j'obtiens des erreurs en cliquant sur les boutons de traitement

Votre environnement Python pourrait avoir des problèmes.

Assurez‑vous que le chemin de l'environnement Python de votre application est défini sur l'environnement installé MEDomics python, si ce n'est pas le cas, vous pouvez le modifier comme suit :

Vous pouvez vérifier le chemin de votre environnement python en utilisant la commande suivante :

• Pour Windows: utilisez la commande where python et sélectionnez le chemin dans le .medomics dossier.

• Pour Linux et MACOS: utilisez la commande whereis python et sélectionnez celui qui se trouve dans .medomics dossier. Si vous ne voyez aucun chemin avec le .medomics dossier, trouvez‑le manuellement et exportez‑le dans votre PATH variable d'environnement en utilisant la commande : export PATH=/path/to/your/usr/.medomics/python/bin:$PATH

Si aucune des étapes ci‑dessus n'aide à résoudre votre problème, veuillez nous contacter.

MacOS : l'application ne veut pas se lancer et/ou l'application semble boguée lors de l'ouverture de plusieurs onglets. PROBLÈME CONNU POUR LES UTILISATEURS MAC À L'UNIVERSITÉ DE SHERBROOKE AVEC L'ANTIVIRUS TRELLIX.

Description du problème :

L'application semble bloquée au démarrage. Ou après le démarrage, lorsqu'on ouvre plusieurs onglets (par ex. deux fichiers csv différents), l'application devient complètement blanche.

---

Cause probable :

Si vous avez un antivirus institutionnel comme Trellix à l'Université de Sherbrooke, nous pensons que le pare‑feu de Trellix empêche MEDomicsLab de fonctionner correctement. Nous espérons que le problème sera résolu une fois que nous aurons certifié (signature de logiciel Mac) l'application MEDomicsLab avec Apple (travail en cours).

---

Solution de contournement :

Si vous rencontrez un problème similaire et que vous avez un antivirus installé sur votre ordinateur, nous vous recommandons de le désactiver lorsque vous utilisez MEDomicsLab. Pour les utilisateurs Mac à l'Université de Sherbrooke avec Trellix, une façon de désactiver momentanément les utilitaires de Trellix est :

1. Aller à Réglages Système, Confidentialité et Sécurité, Accès complet au disque.

2. Désactivez les six extensions suivantes : fmpd, VShieldScanManager, VShieldScanner, masvc, TrellixEndpointSecurity, TrellixNetworkExtension.

3. Redémarrez votre ordinateur.

Bien sûr, une fois que vous avez fini de travailler avec MEDomicsLab, nous vous recommandons de réactiver votre antivirus ! Pour les utilisateurs Mac à l'Université de Sherbrooke avec Trellix, cela signifie réactiver les six extensions ci‑dessus et redémarrer votre ordinateur.

ImportError : impossible d'importer le nom 'dtreeviz' depuis 'dtreeviz.trees'

Cette erreur se produit lorsque la mauvaise version de dtreeviz est installée. Veuillez vous référer aux fichiers de dépendances dans notre dépôt GitHub pour installer la bonne version (v1.4.1 est celle généralement utilisée).

Colonnes manquantes dans les modules d'évaluation et d'application

Le message d'erreur apparaît généralement sous la forme ['column_1', 'column_2', 'column_3'] not in index. Ce problème se produit lorsque les noms de colonnes dans le fichier utilisé pour l'entraînement du modèle contiennent des espaces (par exemple, "column 1" au lieu de "column_1"). Pour éviter cela, évitez d'utiliser des noms de colonnes avec des espaces. Bien que le code devrait gérer cela automatiquement, veuillez ouvrir une issue sur notre GitHub si vous rencontrez cette erreur.

Processus arrêté avec le message toast : "Statut de sortie 1"

Cette erreur se produit généralement en raison d'une bibliothèque Python manquante (affichée comme un ModuleNotFoundError). Pour la résoudre, ouvrez d'abord la console (appuyez sur CTRL + Shift + I) et identifiez le nom du paquet manquant dans le message d'erreur complet. Ensuite, installez la version du paquet spécifiée dans le fichier de dépendances sur notre dépôt GitHub. Pour une solution plus complète, comparez vos paquets installés avec ceux listés dans le fichier de dépendances sur GitHub et installez tous les paquets manquants pour éviter cette erreur à l'avenir.

Si le paquet manquant n'est pas répertorié dans nos exigences GitHub, veuillez nous contacter ou ouvrir une issue afin que nous puissions l'ajouter.

Le modèle LightGBM met une éternité à s'entraîner

C'est un problème courant sur Ubuntu qui se produit lors de l'entraînement d'un modèle LightGBM en utilisant n_jobs=-1. Lorsque vous réglez n_jobs=-1, le processus peut parfois se bloquer ou ralentir en raison de la gestion des threads parallèles par la bibliothèque sur certains systèmes. Voici quelques raisons courantes de ce comportement :

1. Saturation des threads CPU : Le réglage n_jobs=-1 indique à LightGBM d'utiliser tous les cœurs CPU disponibles. Sur les systèmes Linux, en particulier avec un grand nombre de cœurs, cela peut submerger le planificateur CPU, entraînant une gestion inefficace des threads, surtout si d'autres processus s'exécutent en parallèle.

2. Configuration OpenMP : LightGBM utilise OpenMP pour le parallélisme, et certaines configurations d'OpenMP sur Linux peuvent entraîner des blocages ou une contention excessive des threads. Ce problème peut être spécifique à la façon dont OpenMP gère les threads sur certaines distributions Linux, y compris Ubuntu. Plus de détails ici : https://lightgbm.readthedocs.io/en/latest/FAQ.html#lightgbm-hangs-when-multithreading-openmp-and-using-forking-in-linux-at-the-same-time

3. Bande passante et latence mémoire : L'utilisation de tous les cœurs CPU peut entraîner une consommation élevée de la bande passante mémoire. Si LightGBM nécessite plus de mémoire par thread que disponible, cela peut ralentir considérablement l'entraînement. Réduire le paramètre n_jobs diminue le nombre de threads simultanés et peut aider à gérer la charge mémoire.

4. Compatibilité avec des bibliothèques spécifiques : Le multithreading de LightGBM peut ne pas fonctionner correctement avec toutes les versions des bibliothèques systèmes sur Ubuntu, telles que libgomp (GNU OpenMP). Parfois, mettre à jour ou rétrograder certaines bibliothèques (par ex., libgomp1) peut résoudre ce problème.

Solutions :

• Limiter n_jobs : Définissez n_jobs sur un nombre plus petit (par ex. 4 ou 8), ce qui donne souvent de bonnes performances sans surcharger le système.

• Mettre à jour/rétrograder les bibliothèques système : Mettez à jour vos bibliothèques OpenMP.

Vous pouvez tester différentes valeurs de n_jobs pour trouver le réglage optimal, qui équilibre vitesse et stabilité.

"ValueError : Les noms des caractéristiques doivent correspondre à ceux qui ont été fournis lors de l'ajustement."

Cette erreur indique que les données de test manquent de caractéristiques présentes dans les données d'entraînement, ou que l'ordre diffère après le prétraitement. Dans MEDomics, cette erreur se produit généralement lorsque feature_selection est activé dans le nœud Clean.

Une façon de le corriger est de définir le feature_selection_estimator sur autre chose que "lightgbm". Plus de détails peuvent être trouvés ici.

Si la correction précédente ne fonctionne pas pour vous, veuillez nous contacter.

Estimateur .... Non disponible.

Se produit lors de l'utilisation de XGBoost ou catboost.

L'erreur survient parce que la bibliothèque n'est pas installée ou configurée dans votre environnement.

Solution : Installez la bibliothèque manquante en utilisant pip, par exemple :

pip install catboost

Cependant, vous devez installer la bibliothèque manquante dans le Python inclus spécifique de MEDomicsLab dans votre dossier utilisateur, remplacez VotreNomD'utilisateur par le chemin complet vers votre exécutable Python lors de l'exécution de la commande pip. Voici un exemple :

1. Localisez votre exécutable Python emballé (par ex., C:\Users\<VotreNomD'utilisateur>\.medomics\python\python.exe).

2. Exécutez la commande suivante (en supposant que catboost est le paquet manquant ) :

C:\Users\<VotreNomD'utilisateur>\.medomics\python\python.exe -m pip install catboost

Cela garantit que la bibliothèque est installée dans l'environnement Python de MEDomicsLab.

Erreur : Impossible d'ouvrir dans Visual Studio Code

Cette erreur est rencontrée lors de la tentative d'ouverture d'un Jupyter Notebook avec VSCode :

La cause est simplement la commande "code" manquante. Suivez les instructions ici pour l'ajouter.