def get_args(): # Models argparser.add_argument('--checkpoints-path', type=str, required=True) # Results argparser.add_argument('--results-path', type=str, default='results/') return argparser.parse_args()
def get_args(): # Models # argparser.add_argument('--checkpoints-path', type=str, required=True) argparser.add_argument('--model-type', type=str, required=True) # Other argparser.add_argument('--n-permutations', type=int, default=100000) # argparser.add_argument('--analyse', type=str, default='none', # choices=['none', 'vowels', 'consonants']) args = argparser.parse_args() args.keep_eos = args.model_type in ['norm', 'rev'] # args.reverse = (args.model_type in constants.REVERSE_MODELS) # args.analyse = None if args.analyse == 'none' else args.analyse return args
def get_args(): # Data argparser.add_argument('--batch-size', type=int, default=1024) argparser.add_argument('--train-folds', type=int, default=8) # Model argparser.add_argument('--model-type', type=str, required=True) # Save argparser.add_argument('--checkpoints-path', type=str) args = argparser.parse_args() args.reverse = (args.model_type in constants.REVERSE_MODELS) args.model_path = os.path.join(args.checkpoints_path, args.model_type) return args
def get_args(): # Data argparser.add_argument('--batch-size', type=int, default=512) # Models argparser.add_argument('--checkpoints-path', type=str, required=True) argparser.add_argument('--model-type', type=str, required=True) args = argparser.parse_args() args.reverse = args.model_type in constants.REVERSE_MODELS args.model_path = os.path.join(args.checkpoints_path, args.model_type) return args
def get_args(): # Models argparser.add_argument('--checkpoints-path', type=str, required=True) # Other argparser.add_argument('--analyse', type=str, default='none', choices=['none', 'vowels', 'consonants']) argparser.add_argument('--n-permutations', type=int, default=100000) args = argparser.parse_args() args.analyse = None if args.analyse == 'none' else args.analyse return args
def get_args(): argparser.add_argument( "--src-file", type=str, help="The file from which to read data") argparser.add_argument( "--n-folds", type=int, default=10, help="Number of folds to split data") argparser.add_argument( "--max-words", type=int, default=10000, help="Number of types to use") return argparser.parse_args()
def get_args(): # Other argparser.add_argument('--n-permutations', type=int, default=100000) return argparser.parse_args()
def get_args(): # Models argparser.add_argument('--checkpoints-path', type=str, required=True) return argparser.parse_args()
def get_args(): # Other argparser.add_argument('--n-permutations', type=int, default=100000) argparser.add_argument('--results-path', type=str, default='results/') return argparser.parse_args()
def get_args(): # Data argparser.add_argument('--batch-size', type=int, default=32) # Model argparser.add_argument('--nlayers', type=int, default=2) argparser.add_argument('--embedding-size', type=int, default=64) argparser.add_argument('--hidden-size', type=int, default=256) argparser.add_argument('--dropout', type=float, default=.33) argparser.add_argument('--model-type', type=str, required=True) # Optimization argparser.add_argument('--eval-batches', type=int, default=20) argparser.add_argument('--wait-epochs', type=int, default=5) # Save argparser.add_argument('--checkpoints-path', type=str) args = argparser.parse_args() args.wait_iterations = args.wait_epochs * args.eval_batches args.reverse = (args.model_type in constants.REVERSE_MODELS) args.model_path = os.path.join(args.checkpoints_path, args.model_type) return args