def test_training_classifier_inception_resnet_v2(self):
print('test_training_classifier_inception_resnet_v2')
argv = [
'--logs_base_dir', self.tmp_dir, '--models_base_dir', self.tmp_dir,
'--data_dir', self.dataset_dir, '--model_def',
'models.inception_resnet_v2', '--epoch_size', '1',
'--max_nrof_epochs', '1', '--batch_size', '1', '--lfw_pairs',
self.lfw_pairs_file, '--lfw_dir', self.dataset_dir,
'--lfw_nrof_folds', '2', '--lfw_batch_size', '1'
]
args = train_softmax.parse_arguments(argv)
train_softmax.main(args)
def test_training_classifier_squeezenet(self):
print('test_training_classifier_squeezenet')
argv = [
'--logs_base_dir', self.tmp_dir, '--models_base_dir', self.tmp_dir,
'--data_dir', self.dataset_dir, '--model_def', 'models.squeezenet',
'--epoch_size', '1', '--max_nrof_epochs', '1', '--batch_size', '1',
'--lfw_pairs', self.lfw_pairs_file, '--lfw_dir', self.dataset_dir,
'--lfw_nrof_folds', '2', '--lfw_batch_size', '1',
'--nrof_preprocess_threads', '1'
]
args = train_softmax.parse_arguments(argv)
train_softmax.main(args)
def test_training_classifier_inception_resnet_v2(self):
print('test_training_classifier_inception_resnet_v2')
argv = ['--logs_base_dir', self.tmp_dir,
'--models_base_dir', self.tmp_dir,
'--data_dir', self.dataset_dir,
'--model_def', 'models.inception_resnet_v2',
'--epoch_size', '1',
'--max_nrof_epochs', '1',
'--batch_size', '1',
'--lfw_pairs', self.lfw_pairs_file,
'--lfw_dir', self.dataset_dir,
'--lfw_nrof_folds', '2',
'--lfw_batch_size', '1' ]
args = train_softmax.parse_arguments(argv)
train_softmax.main(args)
def test_training_classifier_squeezenet(self):
print('test_training_classifier_squeezenet')
argv = ['--logs_base_dir', self.tmp_dir,
'--models_base_dir', self.tmp_dir,
'--data_dir', self.dataset_dir,
'--model_def', 'models.squeezenet',
'--epoch_size', '1',
'--max_nrof_epochs', '1',
'--batch_size', '1',
'--lfw_pairs', self.lfw_pairs_file,
'--lfw_dir', self.dataset_dir,
'--lfw_nrof_folds', '2',
'--lfw_batch_size', '1',
'--nrof_preprocess_threads', '1' ]
args = train_softmax.parse_arguments(argv)
train_softmax.main(args)