def main(_):
"""Main function."""
# print(FLAGS.reverse_input)
if tf.gfile.Exists(FLAGS.save_dir):
tf.gfile.DeleteRecursively(FLAGS.save_dir)
tf.gfile.MakeDirs(FLAGS.save_dir)
if tf.gfile.Exists(FLAGS.gen_frm_dir):
tf.gfile.DeleteRecursively(FLAGS.gen_frm_dir)
tf.gfile.MakeDirs(FLAGS.gen_frm_dir)
gpu_list = np.asarray(os.environ.get('CUDA_VISIBLE_DEVICES',
'-1').split(','),
dtype=np.int32)
FLAGS.n_gpu = len(gpu_list)
print('Initializing models')
print('FLAGS.is_training:', FLAGS.is_training)
# build the computational graph
model = Model(FLAGS)
if FLAGS.is_training:
train_wrapper(model)
else:
test_wrapper(model)
def main(_):
"""Main function."""
if tf.gfile.Exists(FLAGS.save_dir):
tf.gfile.DeleteRecursively(FLAGS.save_dir)
tf.gfile.MakeDirs(FLAGS.save_dir)
if tf.gfile.Exists(FLAGS.gen_frm_dir):
tf.gfile.DeleteRecursively(FLAGS.gen_frm_dir)
tf.gfile.MakeDirs(FLAGS.gen_frm_dir)
if tf.gfile.Exists(FLAGS.log_dir):
tf.gfile.DeleteRecursively(FLAGS.log_dir)
tf.gfile.MakeDirs(FLAGS.log_dir)
gpu_list = np.asarray(os.environ.get('CUDA_VISIBLE_DEVICES',
'-1').split(','),
dtype=np.int32)
FLAGS.n_gpu = len(gpu_list)
print('Initializing models')
FLAGS.is_training = True if FLAGS.is_training == 'True' else False
print('FLAGS.is_training:', FLAGS.is_training)
print('FLAGS.is_training type:', type(FLAGS.is_training))
print('log dir:', FLAGS.log_dir)
# build the computational graph
model = Model(FLAGS)
print("Total number of model parameters:", model.count_params())
print("Percentage of conv3d decoder params to total model params:",
model.count_dec_params_fraction())
if FLAGS.is_training:
train_wrapper(model)
else:
test_wrapper(model)
def main(argv=None):
if tf.gfile.Exists(FLAGS.save_dir):
tf.gfile.DeleteRecursively(FLAGS.save_dir)
tf.gfile.MakeDirs(FLAGS.save_dir)
if tf.gfile.Exists(FLAGS.gen_frm_dir):
tf.gfile.DeleteRecursively(FLAGS.gen_frm_dir)
tf.gfile.MakeDirs(FLAGS.gen_frm_dir)
gpu_list = np.asarray(os.environ.get('CUDA_VISIBLE_DEVICES',
'-1').split(','),
dtype=np.int32)
FLAGS.n_gpu = len(gpu_list)
print('Initializing models')
model = Model(FLAGS)
if FLAGS.is_training:
train_wrapper(model)
else:
start = time()
test_wrapper(model)
stop = time()
print("Time used: " + str(stop - start) + "s")