def get_args():
# Models
argparser.add_argument('--checkpoints-path', type=str, required=True)
# Results
argparser.add_argument('--results-path', type=str, default='results/')
return argparser.parse_args()
def get_args():
# Models
# argparser.add_argument('--checkpoints-path', type=str, required=True)
argparser.add_argument('--model-type', type=str, required=True)
# Other
argparser.add_argument('--n-permutations', type=int, default=100000)
# argparser.add_argument('--analyse', type=str, default='none',
# choices=['none', 'vowels', 'consonants'])
args = argparser.parse_args()
args.keep_eos = args.model_type in ['norm', 'rev']
# args.reverse = (args.model_type in constants.REVERSE_MODELS)
# args.analyse = None if args.analyse == 'none' else args.analyse
return args
def get_args():
# Data
argparser.add_argument('--batch-size', type=int, default=1024)
argparser.add_argument('--train-folds', type=int, default=8)
# Model
argparser.add_argument('--model-type', type=str, required=True)
# Save
argparser.add_argument('--checkpoints-path', type=str)
args = argparser.parse_args()
args.reverse = (args.model_type in constants.REVERSE_MODELS)
args.model_path = os.path.join(args.checkpoints_path, args.model_type)
return args
def get_args():
# Data
argparser.add_argument('--batch-size', type=int, default=512)
# Models
argparser.add_argument('--checkpoints-path', type=str, required=True)
argparser.add_argument('--model-type', type=str, required=True)
args = argparser.parse_args()
args.reverse = args.model_type in constants.REVERSE_MODELS
args.model_path = os.path.join(args.checkpoints_path, args.model_type)
return args
def get_args():
# Models
argparser.add_argument('--checkpoints-path', type=str, required=True)
# Other
argparser.add_argument('--analyse', type=str, default='none',
choices=['none', 'vowels', 'consonants'])
argparser.add_argument('--n-permutations', type=int, default=100000)
args = argparser.parse_args()
args.analyse = None if args.analyse == 'none' else args.analyse
return args
def get_args():
argparser.add_argument(
"--src-file", type=str,
help="The file from which to read data")
argparser.add_argument(
"--n-folds", type=int, default=10,
help="Number of folds to split data")
argparser.add_argument(
"--max-words", type=int, default=10000,
help="Number of types to use")
return argparser.parse_args()
def get_args():
# Other
argparser.add_argument('--n-permutations', type=int, default=100000)
return argparser.parse_args()
def get_args():
# Models
argparser.add_argument('--checkpoints-path', type=str, required=True)
return argparser.parse_args()
def get_args():
# Other
argparser.add_argument('--n-permutations', type=int, default=100000)
argparser.add_argument('--results-path', type=str, default='results/')
return argparser.parse_args()
def get_args():
# Data
argparser.add_argument('--batch-size', type=int, default=32)
# Model
argparser.add_argument('--nlayers', type=int, default=2)
argparser.add_argument('--embedding-size', type=int, default=64)
argparser.add_argument('--hidden-size', type=int, default=256)
argparser.add_argument('--dropout', type=float, default=.33)
argparser.add_argument('--model-type', type=str, required=True)
# Optimization
argparser.add_argument('--eval-batches', type=int, default=20)
argparser.add_argument('--wait-epochs', type=int, default=5)
# Save
argparser.add_argument('--checkpoints-path', type=str)
args = argparser.parse_args()
args.wait_iterations = args.wait_epochs * args.eval_batches
args.reverse = (args.model_type in constants.REVERSE_MODELS)
args.model_path = os.path.join(args.checkpoints_path, args.model_type)
return args