print_help() sys.exit() elif opt in ('--target_size', '--N'): params[opt[2:]] = int(arg) elif opt in ('--load_to_memory'): params[opt[2:]] = True if arg == 'True' else False elif opt in ('--results_dir', '--log_dir', '--base_dir', '--train_dir', '--val_dir', '--test_dir', '--expt_name'): params[opt[2:]] = arg params = load_params(params) params = MyDict(params) # Define the U-Net generator unet = m.g_unet(params.a_ch, params.b_ch, params.nfatob, is_binary=params.is_b_binary) load_weights_of(unet, u.ATOB_WEIGHTS_FILE, log_dir=params.log_dir, expt_name=params.expt_name) ts = params.target_size train_dir = os.path.join(params.base_dir, params.train_dir) it_train = TwoImageIterator(train_dir, is_a_binary=params.is_a_binary, is_a_grayscale=params.is_a_grayscale, is_b_grayscale=params.is_b_grayscale, is_b_binary=params.is_b_binary, batch_size=1, load_to_memory=params.load_to_memory,
'--horizontal_flip', '--vertical_flip', '--load_to_memory'): params[opt[2:]] = True if arg == 'True' else False elif opt in ('--base_dir', '--train_dir', '--val_dir', '--expt_name', '--log_dir'): params[opt[2:]] = arg print "params:" print params dopt = Adam(lr=params.lr, beta_1=params.beta_1) # Define the U-Net generator unet = m.g_unet(params.a_ch, params.b_ch, params.nfatob, batch_size=params.batch_size, is_binary=params.is_b_binary) "unet summary:" unet.summary() # Define the discriminator d = m.discriminator(params.a_ch, params.b_ch, params.nfd, opt=dopt) "discriminator summary:" d.summary() if params.continue_train: load_weights(unet, d, log_dir=params.log_dir, expt_name=params.expt_name)