def test_zca_whitening(self):
dset = ZCAWhitening(
InMemoryImageDataset(
np.random.rand(1000, 32, 32, 3),
(np.random.rand(1000, 1) * 10).astype(np.int32),
np.random.rand(1000, 32, 32, 3),
(np.random.rand(1000, 1) * 10).astype(np.int32)))
self.assertEqual(len(dset.train_data), 1000)
self.assertEqual(len(dset.test_data), 1000)
idxs = np.random.choice(len(dset.train_data), 100)
x_r, y_r = dset.train_data[idxs]
self.assertEqual(x_r.shape, (100, 32, 32, 3))
self.assertEqual(y_r.shape, (100, 10))
for i in range(10):
x, y = dset.train_data[idxs]
self.assertTrue(np.all(x_r == x))
self.assertTrue(np.all(y_r == y))
print("#######################")
return 1.0 - score, c
##################################################################################
# Main Script
##################################################################################
#########################
# setup Fabolas_IS function
#########################
home_dir = '/home'
######################
# load data
######################
dset = ZCAWhitening(CIFAR10())
x_train, y_train = dset.train_data[:]
x_test, y_test = dset.test_data[:]
#################################################
# setting max and min number of training samples
#################################################
s_min = 128 # maximum batch size for MNIST
s_max = 50000 # entire training data
#################################################
# setting hp bounds
#################################################
lower = np.array([np.log(10**-6), np.log(10**-4), np.log(10**-6), 0.1])
upper = np.array([np.log(1), np.log(1), np.log(1), 0.999])
#################################################