-
Notifications
You must be signed in to change notification settings - Fork 18
/
Copy pathutils.py
228 lines (215 loc) · 8.58 KB
/
utils.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
from argparse import ArgumentParser
def stylegan_parser():
description = 'Basic parser for training styleGAN'
parser = ArgumentParser(description=description)
parser.add_argument("--path", type=str, help="path to the lmdb dataset")
parser.add_argument(
"--iter", type=int, default=800000, help="total training iterations"
)
parser.add_argument(
"--batch", type=int, default=16, help="batch sizes for each gpus"
)
parser.add_argument(
"--n_sample",
type=int,
default=64,
help="number of the samples generated during training",
)
parser.add_argument(
"--size", type=int, default=256, help="image sizes for the model"
)
parser.add_argument(
"--r1", type=float, default=10, help="weight of the r1 regularization"
)
parser.add_argument(
"--path_regularize",
type=float,
default=2,
help="weight of the path length regularization",
)
parser.add_argument(
"--path_batch_shrink",
type=int,
default=2,
help="batch size reducing factor for the path length regularization (reduce memory consumption)",
)
parser.add_argument(
"--d_reg_every",
type=int,
default=16,
help="interval of the applying r1 regularization",
)
parser.add_argument(
"--g_reg_every",
type=int,
default=4,
help="interval of the applying path length regularization",
)
parser.add_argument(
"--mixing", type=float, default=0.9, help="probability of latent code mixing"
)
parser.add_argument(
"--ckpt",
type=str,
default=None,
help="path to the checkpoints to resume training",
)
parser.add_argument("--lr", type=float, default=0.002, help="learning rate")
parser.add_argument(
"--channel_multiplier",
type=int,
default=2,
help="channel multiplier factor for the model. config-f = 2, else = 1",
)
parser.add_argument(
"--wandb", action="store_true", help="use weights and biases logging"
)
parser.add_argument(
"--local_rank", type=int, default=0, help="local rank for distributed training"
)
parser.add_argument(
"--augment", action="store_true", help="apply non leaking augmentation"
)
parser.add_argument(
"--augment_p",
type=float,
default=0,
help="probability of applying augmentation. 0 = use adaptive augmentation",
)
parser.add_argument(
"--ada_target",
type=float,
default=0.6,
help="target augmentation probability for adaptive augmentation",
)
parser.add_argument(
"--ada_length",
type=int,
default=500 * 1000,
help="target duraing to reach augmentation probability for adaptive augmentation",
)
parser.add_argument(
"--ada_every",
type=int,
default=256,
help="probability update interval of the adaptive augmentation",
)
return parser
def cgd_trainer():
usage = 'Parser for CGD training'
parser = ArgumentParser(description=usage)
parser.add_argument('--dataset', type=str, default='CIFAR10')
parser.add_argument('--datapath', type=str, default='cifar10')
parser.add_argument('--model', type=str, default='DCGAN')
parser.add_argument('--checkpoint', type=str, default=None)
parser.add_argument('--z_dim', type=int, default=96)
parser.add_argument('--batchsize', type=int, default=64)
parser.add_argument('--optimizer', type=str, default='ACGD')
parser.add_argument('--lr_d', type=float, default=1e-4)
parser.add_argument('--lr_g', type=float, default=1e-4)
parser.add_argument('--momentum', type=float, default=0.0)
parser.add_argument('--loss_type', type=str, default='WGAN')
parser.add_argument('--d_penalty', type=float, default=0.0)
parser.add_argument('--epoch_num', type=int, default=100)
parser.add_argument('--show_iter', type=int, default=1000)
parser.add_argument('--logdir', type=str, default='test')
parser.add_argument('--gpu_num', type=int, default=1)
parser.add_argument('--tol', type=float, default=1e-10)
parser.add_argument('--atol', type=float, default=1e-16)
parser.add_argument('--startn', type=int, default=0)
parser.add_argument('--model_config', type=str, default=None)
parser.add_argument('--log', action="store_true", help="use weights and biases logging")
return parser
def train_seq_parser():
usage = 'Parser for sequential training'
parser = ArgumentParser(description=usage)
parser.add_argument('--dataset', type=str, default='CIFAR10')
parser.add_argument('--datapath', type=str, default='cifar10')
parser.add_argument('--model', type=str, default='DCGAN')
parser.add_argument('--checkpoint', type=str, default=None)
parser.add_argument('--z_dim', type=int, default=96)
parser.add_argument('--batchsize', type=int, default=64)
parser.add_argument('--optimizer', type=str, default='Adam')
parser.add_argument('--lr_d', type=float, default=2e-4)
parser.add_argument('--lr_g', type=float, default=2e-4)
parser.add_argument('--momentum', type=float, default=0.5)
parser.add_argument('--loss_type', type=str, default='WGAN')
parser.add_argument('--d_penalty', type=float, default=0.0)
parser.add_argument('--gp_weight', type=float, default=10)
parser.add_argument('--d_iter', type=int, default=5,
help='-1: only update generator, 0: only update discriminator')
parser.add_argument('--epoch_num', type=int, default=10)
parser.add_argument('--show_iter', type=int, default=100)
parser.add_argument('--logdir', type=str, default='test')
parser.add_argument('--gpu_num', type=int, default=1)
parser.add_argument('--startn', type=int, default=0)
parser.add_argument('--model_config', type=str, default=None)
return parser
def prepare_parser():
usage = 'Parser for training'
parser = ArgumentParser(description=usage)
parser.add_argument(
'--dataset', type=str, default='CIFAR10')
parser.add_argument(
'--datapath', type=str, default='cifar10'
)
parser.add_argument(
'--model', type=str, default='DCGAN')
parser.add_argument('--weight_path', type=str, default=None)
parser.add_argument('--startPoint', type=int, default=0)
parser.add_argument(
'--dropout', action='store_true', default=False)
parser.add_argument(
'--z_dim', type=int, default=128)
parser.add_argument(
'--batchsize', type=int, default=64)
parser.add_argument(
'--optimizer', type=str, default='Adam')
parser.add_argument(
'--lr_d', type=float, default=2e-4)
parser.add_argument(
'--lr_g', type=float, default=2e-4)
parser.add_argument(
'--momentum', type=float, default=0.9)
parser.add_argument(
'--loss_type', type=str, default='WGAN')
parser.add_argument(
'--g_penalty', type=float, default=0.0)
parser.add_argument(
'--d_penalty', type=float, default=0.0)
# parser.add_argument('--use_gp', action='store_true', default=False)
parser.add_argument(
'--gp_weight', type=float, default=0.0)
parser.add_argument(
'--d_iter', type=int, default=1)
parser.add_argument(
'--epoch_num', type=int, default=600)
parser.add_argument(
'--show_iter', type=int, default=500)
parser.add_argument(
'--eval_iter', type=int, default=5000)
parser.add_argument(
'--eval_is', action='store_true', default=False)
parser.add_argument(
'--eval_fid', action='store_true', default=False)
parser.add_argument('--logdir', type=str, default='DC-WGAN-GP')
parser.add_argument('--gpu_num', type=int, default=1)
parser.add_argument('--collect_info', action='store_true', default=False)
return parser
def eval_parser():
usage = 'Parser for eval'
parser = ArgumentParser(description=usage)
parser.add_argument('--model', type=str)
parser.add_argument('--dataset', type=str, default='cifar10')
parser.add_argument('--z_dim', type=int, default=128)
parser.add_argument('--dim', type=int, default=1)
parser.add_argument('--begin', type=int, default=4000)
parser.add_argument('--end', type=int, default=400000)
parser.add_argument('--step', type=int, default=4000)
parser.add_argument('--model_dir', type=str)
parser.add_argument('--logdir', type=str)
parser.add_argument(
'--eval_is', action='store_true', default=False)
parser.add_argument(
'--eval_fid', action='store_true', default=False)
return parser