option.py

import torch,os,sys,torchvision,argparse
import torch,warnings
warnings.filterwarnings('ignore')

parser = argparse.ArgumentParser()

parser.add_argument('--device', type=str,default='Automatic detection')
parser.add_argument('--resume', type=bool,default=False)
parser.add_argument('--epochs', type=int,default=100)
parser.add_argument('--eval_step', type=int,default=5000)
parser.add_argument('--lr', default=0.0001, type=float, help='learning rate')
parser.add_argument('--model_dir', type=str,default='./trained_models/')
parser.add_argument('--trainset', type=str,default='its_train')
parser.add_argument('--testset', type=str,default='its_test')
parser.add_argument('--net', type=str,default='cdnet')

parser.add_argument('--bs', type=int,default=16,help='batch size')
parser.add_argument('--crop', action='store_true')
parser.add_argument('--crop_size', type=int,default=240,help='Takes effect when using --crop ')
parser.add_argument('--no_lr_sche', action='store_true',help='no lr cos schedule')

parser.add_argument('--model_name', type=str,default='test')
parser.add_argument('--transfer', type=bool,default=False)
parser.add_argument('--pre_model', type=str,default='null')

parser.add_argument('--w_loss_l1', type=float, default=1)
parser.add_argument('--w_loss_lap', type=float, default=0)
parser.add_argument('--w_loss_vgg', type=float, default=0)
parser.add_argument('--w_loss_infonce', type=float, default=0)
parser.add_argument('--w_loss_npair', type=float, default=0)
parser.add_argument('--w_loss_triplet', type=float, default=0)
parser.add_argument('--w_loss_vgg2', type=float, default=0)
parser.add_argument('--w_loss_vgg3', type=float, default=0)
parser.add_argument('--w_loss_vgg4', type=float, default=0)
parser.add_argument('--w_loss_vgg7', type=float, default=0)
parser.add_argument('--is_ab', type=bool, default=False)
parser.add_argument('--w_loss_fft', type=float, default=0)
parser.add_argument('--w_loss_conf', type=float, default=0)
parser.add_argument('--w_loss_rfft', type=float, default=0)
parser.add_argument('--w_loss_consis', type=float, default=0)
parser.add_argument('--w_loss_dis', type=float, default=0)
parser.add_argument('--w_loss_proto', type=float, default=0)
parser.add_argument('--w_CR_ex', type=float, default=0)
parser.add_argument('--w_loss_adv', type=float, default=0)
parser.add_argument('--w_loss_causa', type=float, default=0)
parser.add_argument('--w_loss_fea', type=float, default=0)
parser.add_argument('--w_loss_fea_in', type=float, default=0)

parser.add_argument('--w1', type=float, default=0)
parser.add_argument('--w2', type=float, default=0)

parser.add_argument('--pre_train_epochs', type=int, default=10, help='train with l1 and fft')

parser.add_argument('--lr_decay', type=bool, default=True)
parser.add_argument('--lr_decay_rate', type=float, default=0.5, help='lr decay rate')
parser.add_argument('--lr_decay_win', type=int, default=4, help='lr decay windows: epoch')

parser.add_argument('--eval_dataset', type=bool, default=False)

parser.add_argument('--root', type=str, default="/home/sourya4/pro/columbia/spring22/deep_learning/competition/AECR-Net_fork/")

opt=parser.parse_args()
opt.device='cuda' if torch.cuda.is_available() else 'cpu'
"""
if not opt.transfer:
	opt.model_name = opt.trainset + '_' + opt.net.split('.')[0] + '_' + str(opt.model_name)
else:
	opt.model_name = 'ots_train_ffa_3_19_pretrain'
"""

opt.model_dir=opt.model_dir + opt.model_name + '.pk'
log_dir='logs/'+opt.model_name if not opt.transfer else 'logs/'+opt.model_name+'_transfer_' + opt.model_info

print(opt)
print('model_dir:',opt.model_dir)
print(f'log_dir: {log_dir}')


if not os.path.exists('trained_models'):
	os.mkdir('trained_models')
if not os.path.exists('numpy_files'):
	os.mkdir('numpy_files')
if not os.path.exists('logs'):
	os.mkdir('logs')
if not os.path.exists('samples'):
	os.mkdir('samples')
if not os.path.exists(f"samples/{opt.model_name}"):
	os.mkdir(f'samples/{opt.model_name}')
if not os.path.exists(log_dir):
	os.mkdir(log_dir)