def test_training_classifier_inception_resnet_v2(self): print('test_training_classifier_inception_resnet_v2') argv = [ '--logs_base_dir', self.tmp_dir, '--models_base_dir', self.tmp_dir, '--data_dir', self.dataset_dir, '--model_def', 'models.inception_resnet_v2', '--epoch_size', '1', '--max_nrof_epochs', '1', '--batch_size', '1', '--lfw_pairs', self.lfw_pairs_file, '--lfw_dir', self.dataset_dir, '--lfw_nrof_folds', '2', '--lfw_batch_size', '1' ] args = train_softmax.parse_arguments(argv) train_softmax.main(args)
def test_training_classifier_squeezenet(self): print('test_training_classifier_squeezenet') argv = [ '--logs_base_dir', self.tmp_dir, '--models_base_dir', self.tmp_dir, '--data_dir', self.dataset_dir, '--model_def', 'models.squeezenet', '--epoch_size', '1', '--max_nrof_epochs', '1', '--batch_size', '1', '--lfw_pairs', self.lfw_pairs_file, '--lfw_dir', self.dataset_dir, '--lfw_nrof_folds', '2', '--lfw_batch_size', '1', '--nrof_preprocess_threads', '1' ] args = train_softmax.parse_arguments(argv) train_softmax.main(args)
def test_training_classifier_inception_resnet_v2(self): print('test_training_classifier_inception_resnet_v2') argv = ['--logs_base_dir', self.tmp_dir, '--models_base_dir', self.tmp_dir, '--data_dir', self.dataset_dir, '--model_def', 'models.inception_resnet_v2', '--epoch_size', '1', '--max_nrof_epochs', '1', '--batch_size', '1', '--lfw_pairs', self.lfw_pairs_file, '--lfw_dir', self.dataset_dir, '--lfw_nrof_folds', '2', '--lfw_batch_size', '1' ] args = train_softmax.parse_arguments(argv) train_softmax.main(args)
def test_training_classifier_squeezenet(self): print('test_training_classifier_squeezenet') argv = ['--logs_base_dir', self.tmp_dir, '--models_base_dir', self.tmp_dir, '--data_dir', self.dataset_dir, '--model_def', 'models.squeezenet', '--epoch_size', '1', '--max_nrof_epochs', '1', '--batch_size', '1', '--lfw_pairs', self.lfw_pairs_file, '--lfw_dir', self.dataset_dir, '--lfw_nrof_folds', '2', '--lfw_batch_size', '1', '--nrof_preprocess_threads', '1' ] args = train_softmax.parse_arguments(argv) train_softmax.main(args)