Python HyperOptArgumentParser.add_json_config_argument 예제들

예제 #1

parser.add_argument('--dataset_train_path', default='')
parser.add_argument('--dataset_test_path', default='')
parser.add_argument('--dataset_val_path', default='')
parser.add_argument('--vocab_path', default='')

parser.add_argument('--model_save_dir', default='')
parser.add_argument('--test_tube_dir', default='')

# experiment params
parser.add_argument('--exp_name', default='dual_conv_dense')
parser.add_argument('--exp_desc', default='Dual dense + dot product loss. Base model')
parser.add_argument('--debug', default=False)

# tf params
parser.add_argument('--gpus', default='3')
parser.add_json_config_argument('-c', '--config', type=str)
# --------------------------
# --------------------------

# parse params
hparams = parser.parse_args()

# --------------------------
# TRAIN *****************
# --------------------------
os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"
os.environ["CUDA_VISIBLE_DEVICES"] = hparams.gpus

dual_encoder_trainer.train_main(hparams)
dual_encoder_trainer.test_main(hparams)

예제 #2

파일: lstm_main.py 프로젝트: smallesan/Predicting-floor-level-for-911-Calls-with-Neural-Networks-and-Smartphone-Sensor-Data

    parser.add_argument(
        '--data_path',
        default=
        '/Users/waf/Developer/temp_floor/floor/data/in_out_classifier_data/data'
    )
    parser.add_argument(
        '--model_save_path',
        default='/Users/waf/Developer/temp_floor/floor/logs/weights/lstm')
    parser.add_argument(
        '--tt_save_path',
        default='/Users/waf/Developer/temp_floor/floor/logs/training_logs/lstm'
    )
    parser.add_argument('--tt_name', default='lstm_final_11')
    parser.add_argument('--tt_description', default='hyperopt')
    parser.add_argument('--debug', default=False, type=bool)
    parser.add_argument('--local', default=True, type=bool)
    parser.add_json_config_argument(
        '--config',
        default=
        '/Users/waf/Developer/temp_floor/floor/logs/run_configs/local.json')

    hyperparams = parser.parse_args()
    os.environ["CUDA_DEVICE_ORDER"] = "PCI_BUS_ID"

    if hyperparams.local:
        main_trainer(hyperparams)
    else:
        hyperparams.optimize_parallel(parallelize_on_gpus,
                                      nb_trials=36,
                                      nb_parallel=4)