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)