def main():
parser = argparse.ArgumentParser()
parser.add_argument('--mode', choices=['oracle', 'bo'], default='bo')
parser.add_argument('--expid', type=str, default='run1')
parser.add_argument('--gpu', type=str, default='0')
parser.add_argument('--model', type=str, default='cnp')
parser.add_argument('--bo_num_samples', type=int, default=200)
parser.add_argument('--bo_num_init', type=int, default=1)
parser.add_argument('--bo_kernel', type=str, default='periodic')
parser.add_argument('--t_noise', type=float, default=None)
args = parser.parse_args()
os.environ['CUDA_VISIBLE_DEVICES'] = args.gpu
model_cls = getattr(load_module(f'models/{args.model}.py'),
args.model.upper())
with open(f'configs/gp/{args.model}.yaml', 'r') as f:
config = yaml.safe_load(f)
model = model_cls(**config).cuda()
args.root = osp.join(results_path, 'gp', args.model, args.expid)
if args.mode == 'oracle':
oracle(args, model)
elif args.mode == 'bo':
bo(args, model)
def main():
parser = argparse.ArgumentParser()
parser.add_argument('--mode',
choices=['train', 'eval', 'plot', 'ensemble'],
default='train')
parser.add_argument('--expid', type=str, default='trial')
parser.add_argument('--resume', action='store_true', default=False)
parser.add_argument('--gpu', type=str, default='0')
parser.add_argument('--max_num_points', type=int, default=50)
parser.add_argument('--model', type=str, default='cnp')
parser.add_argument('--train_batch_size', type=int, default=100)
parser.add_argument('--train_num_samples', type=int, default=4)
parser.add_argument('--lr', type=float, default=5e-4)
parser.add_argument('--num_steps', type=int, default=100000)
parser.add_argument('--print_freq', type=int, default=200)
parser.add_argument('--eval_freq', type=int, default=5000)
parser.add_argument('--save_freq', type=int, default=1000)
parser.add_argument('--eval_seed', type=int, default=42)
parser.add_argument('--eval_num_batches', type=int, default=3000)
parser.add_argument('--eval_batch_size', type=int, default=16)
parser.add_argument('--eval_num_samples', type=int, default=50)
parser.add_argument('--eval_logfile', type=str, default=None)
parser.add_argument('--plot_seed', type=int, default=None)
parser.add_argument('--plot_batch_size', type=int, default=16)
parser.add_argument('--plot_num_samples', type=int, default=30)
parser.add_argument('--plot_num_ctx', type=int, default=None)
# OOD settings
parser.add_argument('--eval_kernel', type=str, default='rbf')
parser.add_argument('--t_noise', type=float, default=None)
args = parser.parse_args()
os.environ['CUDA_VISIBLE_DEVICES'] = args.gpu
model_cls = getattr(load_module(f'models/{args.model}.py'),
args.model.upper())
with open(f'configs/gp/{args.model}.yaml', 'r') as f:
config = yaml.safe_load(f)
model = model_cls(**config).cuda()
args.root = osp.join(results_path, 'gp', args.model, args.expid)
if args.mode == 'train':
train(args, model)
elif args.mode == 'eval':
eval(args, model)
elif args.mode == 'plot':
plot(args, model)
elif args.mode == 'ensemble':
ensemble(args, model)
parser.add_argument('--rand_N', action='store_true')
parser.add_argument('--rand_K', action='store_true')
parser.add_argument('--mode',
type=str,
default='cluster',
choices=['cluster', 'step'])
parser.add_argument('--gpu', type=str, default='0')
parser.add_argument('--max_iter', type=int, default=50)
parser.add_argument('--run_name', type=str, default='trial')
parser.add_argument('--save', action='store_true')
parser.add_argument('--filename', type=str, default=None)
args, _ = parser.parse_known_args()
os.environ['CUDA_VISIBLE_DEVICES'] = args.gpu
module, module_name = load_module(args.modelfile)
model = module.load(args)
print(str(args))
if not hasattr(model, 'cluster'):
raise ValueError('Model is not for clustering')
save_dir = os.path.join(results_path, module_name, args.run_name)
net = model.net.cuda()
net.load_state_dict(torch.load(os.path.join(save_dir, 'model.tar')))
batch = model.sample(args.vB,
args.vN,
args.vK,
rand_N=args.rand_N,