def readOneTask():
"""
Carga el gran json de tareas, extrae una tarea y lo guarda.
Devuelve la tarea transformada en CL_trainer.
Si no quedan tareas, devuelve None
"""
# Cargamos el gran json de tareas
big_task_json = info_handler.loadTheBigTaskJson()
# Informamos de la cantidad de tareas que quedan
sendMSG("Quedan " + str(len(big_task_json)) + " tareas por hacer.")
# Comprobamos si quedan tareas para devolver
if len(big_task_json) > 0:
# Seleccionamos una tarea
ret_key = list(big_task_json.keys())[0]
# Extraemos la tarea (eliminandola del json)
ret_jsoned_net = big_task_json.pop(ret_key)
# Guardamos el json
info_handler.saveTheBigTaskJson(big_task_json)
# Devolvemos la tarea
return info_handler.json2CL_trainer(ret_jsoned_net)
else:
sendMSG("No quedan tareas por hacer en el gran json de tareas",
is_warning=True)
return None
def generateTasks(num_tasks):
"""
Genera un numero dado de redes preparadas para iniciar su entrenamiento y
las guarda como tareas en el gran json de tareas.
"""
# Generamos un pool de redes
nets_list = createRandomNetPool(num_tasks)
# Las transformamos a formato json
json_list = [info_handler.CL_trainer2json(x) for x in nets_list]
# Cargamos el gran json de tareas
big_task_json = info_handler.loadTheBigTaskJson()
# Acumulamos las tareas
for jsoned_task in json_list:
net_name = jsoned_task["model_name"]
big_task_json[net_name] = jsoned_task # ¿hacemos copia antes?
# Guardamos el gran json con las nuevas tareas acumuladas
info_handler.saveTheBigTaskJson(big_task_json)
# Enviamos mensaje de aviso
if num_tasks == 1:
sendMSG("Añadiendo 1 tarea al gran json")
else:
sendMSG("Añadiendo " + str(num_tasks) + " tareas al gran json")