fault-localization-data下载配置

一、rjust-fault-localization-data下载配置

Ubuntu 22.04.03、运行环境为:jdk1.7 、ant1.8. 、maven 3.8.

所需文件下载地址
JDK 7/1.7jdk-7u80-linux-x64.tar.gz
Fault-localization-dat地址 或者git clone https://bitbucket.org/rjust/fault-localization-data.git
Defects4j-1.2.0defects4j-1.2.0
Defects4j-reposdefects4j-repo
  • 搭建环境步骤:

注意,根据自己实际下载的目录进行更改即可

tar -zxvf jdk-7u281-linux-x64.tar.gz
# 配置JDK环境变量
sudo vim /etc/profile
export JAVA_HOME=/home/ubuntu/jdk1.7.0_281
export PATH=$PATH:$JAVA_HOME/bin
export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
source /etc/profile
# 安装各工具
sudo apt-get install subversion
sudo apt-get install cpanminus
# 注意maven的版本必须要跟jdk1.7匹配
sudo apt-get install maven
unzip rjust-fault-localization-data.zip && mv rjust-fault-localization-data fault-localization
# 【/home/ubuntu/fault-localization】
tar -zxvf defects4j-1.2.0.tar.gz && mv defects4j-1.2.0 defects4j
# 【/home/ubuntu/fault-localization/defects4j】
cpanm --installdeps .
	######################################
	# requires 'DBI',         '>= 1.63'; #
	# requires 'DBD::CSV',    '>= 0.48'; #
	# requires 'URI',         '>= 1.72'; #
	# requires 'JSON',        '>= 2.97'; #
	# requires 'JSON::Parse', '>= 0.55'; #
	# requires 'List::Util',  '>= 1.33'; #
	######################################
./init.sh
# 如果连外网速度过慢,可以手动初始化:例如repo部分
# 【/home/ubuntu/fault-localization/defects4j/project_repos】
unzip -q -u defects4j-repos.zip && mv defects4j/project_repos/* . && rm -r defects4j
# 环境变量(临时)
export PATH=$PATH:/home/ubuntu/fault-localization/defects4j/framework/bin
  • 手动配置安装位置(红色可自行下载):
    在这里插入图片描述
# 测试命令
defects4j info -p Lang
# 报错:Can't locate DBI.pm in @INC (you may need to install the DBI module)
tar -zxvf DBI-1.643.tar.gz && cd DBI-1.643/
perl Makefile.PL
make
make test
sudo make install
  • 注意需要安装maven,详细配置见问题1
# 【/home/ubuntu/fault-localization/gzoltar】
git clone https://github.com/GZoltar/gzoltar.git
mv gzoltar gzoltar-repo && cd gzoltar-repo/
# 跳过测试
mvn clean package -DskipTests=true
  • 注意:修改 fault-localization 中 setup.sh 文件 GZOLTAR_CLI_JAR 和 GZOLTAR_AGENT_JAR 位置颠倒的错误
./setup.sh
# 调整环境变量(不是/etc/profile)
vim ~/.bashrc
1. 在文件最添加下面的内容
export FL_DATA_HOME=/home/ubuntu/fault-localization
export KILLMAP_HOME=$FL_DATA_HOME/killmap
export GZOLTAR_REPO_HOME=$FL_DATA_HOME/gzoltar/gzoltar-repo
export GZOLTAR_CLI_JAR=$GZOLTAR_REPO_HOME/com.gzoltar.cli/target/com.gzoltar.cli-1.7.3-SNAPSHOT-jar-with-dependencies.jar
export GZOLTAR_AGENT_JAR=$GZOLTAR_REPO_HOME/com.gzoltar.agent.rt/target/com.gzoltar.agent.rt-1.7.3-SNAPSHOT-all.jar
export D4J_HOME=$FL_DATA_HOME/defects4j
export DEFECTS4J_HOME=$D4J_HOME
export PATH=$PATH:$D4J_HOME/framework/bin

2. 最后记得运行下面的指令或者直接reboot使环境生效
source ~/.bashrc
  • 注意:代码框架下的setup.sh文件内有多处错误,环境变量GZOLTAR_CLI_JAR和GZOLTAR_AGENT_JAR配置反了,还有"$GZOLTAR_REPO_HOME"总是有地方前面又加上前缀地址,还有配置D4J_HOME环境变量的时候在最后面加上多的/导致后面在Path中与/framework相连时出现问题。建议直接根据上面写的环境变量一一比对后更改

  • 修改 untils.sh 324 行
    local relevant_tests_file="$D4J_HOME/framework/projects/$pid/relevant_tests/$bid

  • 修改 job.sh 570行
    cp -Rv gzoltars/* "$SCRIPT_DIR/"

  • 最后执行GZoltar的job.sh进行测试
    ./job.sh --project Math --bug 1 --output_dir Math/1 --tool developer

1. 在运行setup.sh之前需要修改里面错误的地方

注意将这一部分替换成下面的,作者在写的时候有些地方多加了$HERE/,但是有些地方又没加,导致文件读取失败

GZOLTAR_REPO_HOME="$HERE/gzoltar/gzoltar-repo"
if [ ! -d "$GZOLTAR_REPO_HOME" ]; then
  git clone https://github.com/GZoltar/gzoltar.git "$GZOLTAR_REPO_HOME" || die 'unable to clone GZoltar'
  (cd "$GZOLTAR_REPO_HOME" && \
   git checkout 7abaeaf6c86ecdfac26e39db6a59c27393f9ef19 && \
   mvn clean package -DskipTests)
fi

2. 修改完成后可以直接运行Dockerfile里面的指令,注意ant版本问题见下面问题2

二、问题

1. 出现mvn编译失败的问题:

[ERROR] Plugin org.apache.maven.plugins:maven-clean-plugin:2.5 or one of its dependencies could not be resolved: Failed to read artifact descriptor for org.apache.maven.plugins:maven-clean-plugin:jar:2.5: Could not transfer artifact org.apache.maven.plugins:maven-clean-plugin:pom:2.5 from/to central (https://repo.maven.apache.org/maven2): transfer failed for https://repo.maven.apache.org/maven2/org/apache/maven/plugins/maven-clean-plugin/2.5/maven-clean-plugin-2.5.pom: Received fatal alert: protocol_version -> [Help 1]
[ERROR] 
[ERROR] To see the full stack trace of the errors, re-run Maven with the -e switch.
[ERROR] Re-run Maven using the -X switch to enable full debug logging.
[ERROR] 
[ERROR] For more information about the errors and possible solutions, please read the following articles:
[ERROR] [Help 1] http://cwiki.apache.org/confluence/display/MAVEN/PluginResolutionException

产生原因:

此错误表明 Maven 无法从中央 Maven 仓库下载 maven-clean-plugin 插件以及其依赖项的工件描述符。具体错误信息指出了"Received fatal alert: protocol_version",这可能是因为使用的 SSL/TLS 协议版本有问题。

  • 检查网络连接: 确保你正常地上网,可以连接到 Maven 中央仓库(https://repo.maven.apache.org/maven2),你可以试着用网络浏览器打开此 URL。

  • 指定使用的 SSL/TLS 协议版本:在你的 Maven 设置文件settings.xml中添加以下配置,这段配置会让 Maven 使用 TLS 1.2 协议与 Maven 仓库进行通信,该文件位于MAVEN_HOME/config目录下:

<settings>
   <profiles>
     <profile>
       <id>defaultProfile</id>
       <activation>
         <activeByDefault>true</activeByDefault>
       </activation>
       <properties>
         <maven.wagon.http.ssl.protocols>TLSv1.2</maven.wagon.http.ssl.protocols>
       </properties>
     </profile>
   </profiles>
</settings>
  • 配置仓库,在MAVEN_HOME目录下面创建repository文件夹作为maven仓库,需要在setting.xml文件中配置仓库位置
<!-- localRepository
  | The path to the local repository maven will use to store artifacts.
  |
  | Default: ${user.home}/.m2/repository

 -->
 <localRepository>/usr/local/lib/mvn/apache-maven-3.8.8/repository</localRepository>
  • 配置镜像,在setting中配置阿里镜像mirror,加速包的下载
<mirror>
     <id>alimaven</id>
     <name>aliyun maven</name>
     <url>http://maven.aliyun.com/repository/public</url>
     <mirrorOf>central</mirrorOf>        
</mirror>

2. 出现ant版本与jdk版本不匹配的问题:

Exception in thread "main" java.lang.UnsupportedClassVersionError: org/apache/tools/ant/launch/Launcher : Unsupported major.minor version 52.0
        at java.lang.ClassLoader.defineClass1(Native Method)
        at java.lang.ClassLoader.defineClass(ClassLoader.java:800)
        at java.security.SecureClassLoader.defineClass(SecureClassLoader.java:142)
        at java.net.URLClassLoader.defineClass(URLClassLoader.java:449)
        at java.net.URLClassLoader.access$100(URLClassLoader.java:71)
        at java.net.URLClassLoader$1.run(URLClassLoader.java:361)
        at java.net.URLClassLoader$1.run(URLClassLoader.java:355)
        at java.security.AccessController.doPrivileged(Native Method)
        at java.net.URLClassLoader.findClass(URLClassLoader.java:354)
        at java.lang.ClassLoader.loadClass(ClassLoader.java:425)
        at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:308)
        at java.lang.ClassLoader.loadClass(ClassLoader.java:358)
        at sun.launcher.LauncherHelper.checkAndLoadMain(LauncherHelper.java:482)
root@ubuntu-virtual-machine:~# api-get -y uninstall ant
Command 'api-get' not found, did you mean:
  command 'apt-get' from deb apt (2.4.10)
Try: apt install <deb name>
root@ubuntu-virtual-machine:~# sudo apt-get remove ant

这种情况一般是ant版本过高导致,解决方法如下:

  1. 首先卸载原有的ant:sudo apt-get remove ant
  2. 然后去ant下载仓库下载与jdk1.7版本匹配的ant,1.7.*和1.8.*的都是可以的,下载.tar.gz文件复制到linux中解压:sudo tar -zxvf apache-ant-1.8.3-bin.tar.gz
  3. 解压后需要配置环境变量,具体的见ant下载配置

三、fault-localization-data—MBFL

  • 修改 /myproject/fault-localization-data/killmap/scripts/untils.sh 128 行
    cat "$DEFECTS4J_HOME/framework/projects/$PROJECT/relevant_tests/$BUG" > relevant-test-classes.txt) \
  • 2
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是使用PyTorch实现DFF的示例代码。这里假设你已经定义了多个卷积神经网络进行特征提取,并且每个网络的输出为一个特征张量。我们将使用全局平均池化层将每个特征张量转换为一个特征向量,然后将这些特征向量拼接在一起,最终使用一个全连接层将全局特征向量映射到一个低维空间。 ```python import torch import torch.nn as nn import torch.nn.functional as F class DFF(nn.Module): def __init__(self, num_networks, input_dim, hidden_dim, output_dim): super(DFF, self).__init__() self.num_networks = num_networks self.input_dim = input_dim self.hidden_dim = hidden_dim self.output_dim = output_dim # 定义卷积神经网络和全局平均池化层 self.networks = nn.ModuleList([nn.Conv2d(in_channels=input_dim[i], out_channels=hidden_dim[i], kernel_size=3, padding=1) for i in range(num_networks)]) self.avg_pool = nn.AdaptiveAvgPool2d((1, 1)) # 全局平均池化层 # 定义全连接层 self.fc = nn.Linear(num_networks * hidden_dim[-1], output_dim) def forward(self, x): # 对每个卷积神经网络进行特征提取并全局平均池化 features = [] for i in range(self.num_networks): f = self.networks[i](x[i]) f = F.relu(f) f = self.avg_pool(f) f = f.view(f.size(0), -1) # 将特征张量转换为特征向量 features.append(f) # 将所有特征向量拼接在一起 global_feature = torch.cat(features, dim=1) # 使用全连接层将全局特征向量映射到一个低维空间 output = self.fc(global_feature) return output ``` 在上面的代码中,我们定义了一个DFF类,其中包含了多个卷积神经网络、全局平均池化层和全连接层。在forward函数中,我们对每个卷积神经网络进行特征提取并全局平均池化,然后将所有特征向量拼接在一起,最终使用全连接层将全局特征向量映射到一个低维空间。 需要注意的是,这里的代码仅供参考,实际实现可能会因为具体的输入数据形状、网络结构等因素而有所不同。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值