def default_config():
default_config = TorchNNRepresentation.default_config()
# network parameters
default_config.network = Dict()
default_config.network.name = "Burgess"
default_config.network.parameters = Dict()
default_config.network.parameters.n_channels = 1
default_config.network.parameters.input_size = (64, 64)
default_config.network.parameters.n_latents = 10
default_config.network.parameters.n_conv_layers = 4
default_config.network.parameters.feature_layer = 2
default_config.network.parameters.encoder_conditional_type = "gaussian"
# initialization parameters
default_config.network.weights_init = Dict()
default_config.network.weights_init.name = "pytorch"
default_config.network.weights_init.parameters = Dict()
# loss parameters
default_config.loss = Dict()
default_config.loss.name = "SimCLR"
default_config.loss.parameters = Dict()
default_config.loss.parameters.temperature = 0.5
default_config.loss.parameters.distance = 'cosine'
# optimizer parameters
default_config.optimizer = Dict()
default_config.optimizer.name = "Adam"
default_config.optimizer.parameters = Dict()
default_config.optimizer.parameters.lr = 1e-3
default_config.optimizer.parameters.weight_decay = 1e-5
return default_config
def default_config():
default_config = TorchNNRepresentation.default_config()
# network parameters
default_config.network = Dict()
default_config.network.name = "Dumoulin"
default_config.network.parameters = Dict()
default_config.network.parameters.n_channels = 1
default_config.network.parameters.input_size = (64, 64)
default_config.network.parameters.n_latents = 10
default_config.network.parameters.n_conv_layers = 4
default_config.network.parameters.feature_layer = 2
default_config.network.parameters.encoder_conditional_type = "gaussian"
# initialization parameters
default_config.network.initialization = Dict()
default_config.network.initialization.name = "pytorch"
default_config.network.initialization.parameters = Dict()
# loss parameters
default_config.loss = Dict()
default_config.loss.name = "BiGAN"
default_config.loss.parameters = Dict()
# optimizer parameters
default_config.optimizer = Dict()
default_config.optimizer.name = "Adam"
default_config.optimizer.parameters = Dict()
default_config.optimizer.parameters.lr = 1e-3
default_config.optimizer.parameters.weight_decay = 1e-5
return default_config
def default_config():
default_config = TorchNNRepresentation.default_config()
# network parameters
default_config.network = Dict()
default_config.network.name = "Burgess"
default_config.network.parameters = Dict()
default_config.network.parameters.n_channels = 1
default_config.network.parameters.input_size = (64, 64)
default_config.network.parameters.n_latents = 10
default_config.network.parameters.n_conv_layers = 4
default_config.network.parameters.feature_layer = 2
default_config.network.parameters.encoder_conditional_type = "gaussian"
# initialization parameters
default_config.network.initialization = Dict()
default_config.network.initialization.name = "pytorch"
default_config.network.initialization.parameters = Dict()
# loss parameters
default_config.loss = Dict()
default_config.loss.name = "Triplet"
default_config.loss.parameters = Dict()
default_config.loss.parameters.distance = "squared_euclidean"
default_config.loss.parameters.margin = 1.0
default_config.loss.parameters.use_attention = True
# optimizer parameters
default_config.optimizer = Dict()
default_config.optimizer.name = "Adam"
default_config.optimizer.parameters = Dict()
default_config.optimizer.parameters.lr = 1e-3
default_config.optimizer.parameters.weight_decay = 1e-5
return default_config
def default_config():
default_config = TorchNNRepresentation.default_config()
# network parameters
default_config.network = Dict()
default_config.network.name = "Burgess"
default_config.network.parameters = Dict()
default_config.network.parameters.n_channels = 1
default_config.network.parameters.input_size = (64, 64)
default_config.network.parameters.n_latents = 10
default_config.network.parameters.n_conv_layers = 4
default_config.network.parameters.feature_layer = 2
default_config.network.parameters.encoder_conditional_type = "gaussian"
# weights_init parameters
default_config.network.weights_init = Dict()
default_config.network.weights_init.name = "pytorch"
default_config.network.weights_init.parameters = Dict()
# loss parameters
default_config.loss = Dict()
default_config.loss.name = "VAE"
default_config.loss.parameters = Dict()
default_config.loss.parameters.reconstruction_dist = "bernoulli"
# optimizer parameters
default_config.optimizer = Dict()
default_config.optimizer.name = "Adam"
default_config.optimizer.parameters = Dict()
default_config.optimizer.parameters.lr = 1e-3
default_config.optimizer.parameters.weight_decay = 1e-5
return default_config