def parse_arguments():
parser = argparse.ArgumentParser()
app.add_setup_data_args(parser)
app.add_instance_arguments(parser)
app.add_train_args(parser)
app.add_tracker_config_args(parser)
app.add_eval_args(parser)
app.add_slurm_args(parser)
parser.add_argument('--loglevel',
default='info',
help='debug, info, warning')
parser.add_argument('-n',
'--num_trials',
type=int,
default=1,
help='number of repetitions')
parser.add_argument('--optimize_dataset',
default='pool_val-full',
help='eval_dataset to use to choose model')
parser.add_argument('--optimize_metric',
default='TRE_3_iou_seq_mean',
help='metric to optimize for')
parser.add_argument('--model_params',
type=json.loads,
default={},
help='JSON string specifying model')
parser.add_argument('--resume', action='store_true')
return parser.parse_args()
def parse_arguments():
parser = argparse.ArgumentParser()
app.add_setup_data_args(parser)
app.add_instance_arguments(parser)
app.add_train_args(parser)
app.add_tracker_config_args(parser)
app.add_eval_args(parser)
app.add_slurm_args(parser)
parser.add_argument('--loglevel', default='info', help='debug, info, warning')
parser.add_argument('--verbose_train', action='store_true')
parser.add_argument('-n', '--num_trials', type=int, default=1,
help='number of repetitions')
parser.add_argument('--desired_contexts', type=float, nargs='+', default=[1.0, 2.0, 4.0])
parser.add_argument('--target_size', type=int, default=64)
parser.add_argument('--desired_search_radius', type=float, default=1)
parser.add_argument('--arg_max_eps', type=float, default=0.01,
help='Epsilon for finding arg max in multi-scale sliding-window search')
default_loss_params = dict(method='sigmoid',
params=dict(balanced=True,
label_method='gaussian',
label_params=dict(sigma=0.2)))
parser.add_argument('--loss_params', type=json.loads,
default=json.dumps(default_loss_params))
parser.add_argument('--optimize_dataset', default='pool_val-full',
help='eval_dataset to use to choose model')
parser.add_argument('--optimize_metric', default='TRE_3_iou_seq_mean',
help='metric to optimize for')
return parser.parse_args()
def parse_arguments():
parser = argparse.ArgumentParser()
app.add_setup_data_args(parser)
app.add_instance_arguments(parser)
app.add_train_args(parser)
app.add_tracker_config_args(parser)
app.add_eval_args(parser)
app.add_slurm_args(parser)
parser.add_argument('--loglevel',
default='info',
help='debug, info, warning')
parser.add_argument('--verbose_train', action='store_true')
parser.add_argument('-n',
'--num_trials',
type=int,
default=1,
help='number of repetitions')
parser.add_argument('--track_metrics',
nargs='+',
default=['TRE_3_iou_seq_mean'])
parser.add_argument('--train_metrics',
nargs='+',
default=['loss', 'dist', 'iou'])
return parser.parse_args()
def parse_arguments():
parser = argparse.ArgumentParser()
app.add_setup_data_args(parser)
app.add_instance_arguments(parser)
app.add_train_args(parser)
app.add_tracker_config_args(parser)
app.add_eval_args(parser)
app.add_slurm_args(parser)
parser.add_argument('--loglevel',
default='info',
help='debug, info, warning')
parser.add_argument('--verbose_train', action='store_true')
default_loss_params = dict(method='sigmoid',
params=dict(balanced=True,
pos_weight=1,
label_method='hard',
label_params=dict(
positive_radius=0.3,
negative_radius=0.3)))
parser.add_argument('--loss_params',
type=json.loads,
default=default_loss_params,
help='Loss function')
default_optimizers = ['sgd', 'momentum_0.9', 'rmsprop', 'adam']
parser.add_argument('--optimizers',
nargs='+',
default=default_optimizers,
help='Subset of optimizers to consider')
parser.add_argument('-n',
'--num_trials',
type=int,
default=1,
help='number of repetitions')
parser.add_argument('--track_metrics',
nargs='+',
default=['OPE_iou_seq_mean', 'TRE_3_iou_seq_mean'])
parser.add_argument('--train_metrics',
nargs='+',
default=['loss', 'dist', 'iou'])
return parser.parse_args()
def parse_arguments():
parser = argparse.ArgumentParser()
app.add_setup_data_args(parser)
app.add_instance_arguments(parser)
app.add_train_args(parser)
app.add_tracker_config_args(parser)
app.add_eval_args(parser)
app.add_slurm_args(parser)
parser.add_argument('--loglevel',
default='info',
help='debug, info, warning')
parser.add_argument('--verbose_train', action='store_true')
parser.add_argument('--radius',
type=float,
nargs='+',
default=[0.05, 0.1, 0.2, 0.3, 0.5],
help='Radius of loss function')
parser.add_argument('--loss_families',
nargs='+',
default=['sigmoid', 'softmax', 'max_margin'])
parser.add_argument('--sigmoid_pos_weights',
type=float,
nargs='+',
default=[0.1, 1.0])
parser.add_argument('--labels',
nargs='+',
default=['hard_binary', 'gaussian'])
parser.add_argument('-n',
'--num_trials',
type=int,
default=1,
help='number of repetitions')
parser.add_argument('--optimize_dataset',
default='pool_val-full',
help='eval_dataset to use to choose model')
parser.add_argument('--optimize_metric',
default='TRE_3_iou_seq_mean',
help='metric to optimize for')
return parser.parse_args()