def add_args_to_parser(self,
parser: argparse.ArgumentParser,
default_values: Dict[str, Any] = {}) -> None:
super().add_args_to_parser(parser, default_values)
add_nn_args(parser, default_values)
add_tokenizer_args(parser, default_values)
parser.add_argument("--max-length",
dest="max_length",
type=int,
default=default_values.get("max-length", 100))
parser.add_argument("--num-encoder-layers",
dest="num_encoder_layers",
type=int,
default=default_values.get("num-encoder-layers",
3))
# parser.add_argument("--num-decoder-layers", dest="num_decoder_layers", type=int,
# default=default_values.get("num-decoder-layers", 2))
parser.add_argument("--num-head-keywords",
dest="num_head_keywords",
type=int,
default=default_values.get("num-head-keywords",
100))
parser.add_argument("--num-tactic-keywords",
dest="num_tactic_keywords",
type=int,
default=default_values.get("num-tactic-keywords",
50))
parser.add_argument("--word-embedding-size",
dest="word_embedding_size",
type=int,
default=default_values.get("word_embedding_size",
10))
def add_args_to_parser(self, parser : argparse.ArgumentParser,
default_values : Dict[str, Any] = {}) -> None:
new_defaults = {"batch-size":128, "learning-rate":0.4, "epoch-step":3,
**default_values}
super().add_args_to_parser(parser, new_defaults)
add_nn_args(parser, new_defaults)
add_tokenizer_args(parser, new_defaults)
feature_set : Set[str] = set()
all_constructors : List[Type[Feature]] = vec_feature_constructors + word_feature_constructors # type: ignore
for feature_constructor in all_constructors:
new_args = feature_constructor\
.add_feature_arguments(parser, feature_set, default_values)
feature_set = feature_set.union(new_args)
parser.add_argument("--max-length", dest="max_length", type=int,
default=default_values.get("max-length", 30))
parser.add_argument("--max-string-distance", type=int,
default=default_values.get("max-string-distance", 50))
parser.add_argument("--max-beam-width", dest="max_beam_width", type=int,
default=default_values.get("max-beam-width", 10))
parser.add_argument("--no-lemma-args", dest="lemma_args", action='store_false')
parser.add_argument("--no-hyp-features", dest="hyp_features", action="store_false")
parser.add_argument("--no-features", dest="features", action="store_false")
parser.add_argument("--no-hyp-rnn", dest="hyp_rnn", action="store_false")
parser.add_argument("--no-goal-rnn", dest="goal_rnn", action="store_false")
parser.add_argument("--replace-rnns-with-dnns", action="store_true")
parser.add_argument("--print-tensors", action="store_true")
parser.add_argument("--load-text-tokens", default=None)
parser.add_argument("--load-features", default=None)
parser.add_argument("--load-tensors", default=None)
parser.add_argument("--save-embedding", type=str, default=None)
parser.add_argument("--save-features-state", type=str, default=None)
parser.add_argument("--load-embedding", type=str, default=None)
parser.add_argument("--load-features-state", type=str, default=None)
def _add_args_to_parser(self, parser : argparse.ArgumentParser,
default_values : Dict[str, Any] = {}) -> None:
super()._add_args_to_parser(parser, default_values)
add_nn_args(parser, default_values)
add_tokenizer_args(parser, default_values)
parser.add_argument("--max-distance", type=int,
default=default_values.get("max_distance", 10))
def add_args_to_parser(self, parser : argparse.ArgumentParser,
default_values : Dict[str, Any] = {}) \
-> None:
super().add_args_to_parser(parser, default_values)
self._modelclassobject.add_args_to_parser(parser, default_values)
add_tokenizer_args(parser)
parser.add_argument("--num-grams", "-n", dest="num_grams", type=int, default=1)
parser.add_argument("--kernel", choices=svm_kernels, type=str,
default=svm_kernels[0])
def add_args_to_parser(self,
parser: argparse.ArgumentParser,
default_values: Dict[str, Any] = {}) -> None:
super().add_args_to_parser(parser, default_values)
add_tokenizer_args(parser, default_values)
parser.add_argument("--max-length",
dest="max_length",
type=int,
default=default_values.get("max-length", 30))
def add_args_to_parser(self, parser : argparse.ArgumentParser,
default_values : Dict[str, Any] = {}) -> None:
super().add_args_to_parser(parser, {"learning-rate": 0.4,
**default_values})
add_nn_args(parser, default_values)
add_tokenizer_args(parser, default_values)
parser.add_argument("--max-length", dest="max_length", type=int,
default=default_values.get("max-length", 10))
parser.add_argument("--num-head-keywords", dest="num_head_keywords", type=int,
default=default_values.get("num-head-keywords", 100))
parser.add_argument("--num-tactic-keywords", dest="num_tactic_keywords", type=int,
default=default_values.get("num-tactic-keywords", 50))
def add_args_to_parser(self,
parser: argparse.ArgumentParser,
default_values: Dict[str, Any] = {}) -> None:
super().add_args_to_parser(parser)
add_tokenizer_args(parser)
add_nn_args(
parser,
dict([('num-epochs', 50), ('hidden-size', 256), ('batch-size',
64)] +
list(default_values.items())))
parser.add_argument("--num-grams",
dest="num_grams",
default=1,
type=int)
parser.add_argument("--hidden-size",
dest="hidden_size",
type=int,
default=default_values.get("hidden-size", 128))
parser.add_argument("--num-layers",
dest="num_layers",
type=int,
default=default_values.get("num-layers", 3))