> import argparse # 导入argparse库,用于解析命令行参数
parser = argparse.ArgumentParser() # 创建一个参数解析器对象
parser.add_argument('--batch-size', type=int, default=1,
help='train batch size') # 添加参数:训练时的批量大小,默认为1
parser.add_argument('--ngf', type=int, default=64) # 添加参数:生成器网络的过滤器数量,默认为64
parser.add_argument('--ndf', type=int, default=64) # 添加参数:判别器网络的过滤器数量,默认为64
parser.add_argument('--input-size', type=int, default=256,
help='input size') # 添加参数:输入图像的大小,默认为256
parser.add_argument('--resize-scale', type=int, default=286,
help='resize scale (0 is false)') # 添加参数:图像的缩放比例,默认为286,0表示不缩放
parser.add_argument('--crop-size', type=int, default=256,
help='crop size (0 is false)') # 添加参数:图像的裁剪大小,默认为256,0表示不裁剪
parser.add_argument('--fliplr', type=bool, default=True,
help='random fliplr True of False') # 添加参数:是否随机左右翻转图像,默认为True
parser.add_argument('--num-epochs', type=int, default=300,
help='number of train epochs') # 添加参数:训练的轮数,默认为300
parser.add_argument('--val-every', type=int, default=5,
help='how often to validate current architecture') # 添加参数:每次验证模型的频率,默认每5轮验证一次
parser.add_argument('--lrG', type=float, default=0.0002,
help='learning rate for generator, default=0.0002') # 添加参数:生成器的学习率,默认为0.0002
parser.add_argument('--lrD', type=float, default=0.0002,
help='learning rate for discriminator, default=0.0002') # 添加参数:判别器的学习率,默认为0.0002
parser.add_argument('--gama', type=float, default=100,
help='gama for L1 loss') # 添加参数:L1损失的系数,默认为100
parser.add_argument('--beta1', type=float, default=0.5,
help='beta1 for Adam optimizer') # 添加参数:Adam优化器的beta1参数,默认为0.5
parser.add_argument('--beta2', type=float, default=0.999,
help='beta2 for Adam optimizer') # 添加参数:Adam优化器的beta2参数,默认为0.999
parser.add_argument('--print-loss', action='store_true', default=False,
help='whether print losses during training') # 添加参数:训练过程中是否打印损失,默认不打印
parser.add_argument('--gpu', type=int, nargs='+', default=[0],
help='select gpu.') # 添加参数:选择使用的GPU,默认使用第一个GPU
parser.add_argument('-c', '--ckpt', default='model', type=str, metavar='PATH',
help='path to save checkpoint (default: model)') # 添加参数:保存检查点的路径,默认为"model"
parser.add_argument('-i', '--img-types', default=[2, 7, 0], type=int, nargs='+',
help='image types, last image is target, others are inputs') # 添加参数:图像类型列表,最后一个是目标图像,其他的是输入图像
parser.add_argument('--exchange', type=int, default=1,
help='whether use feature exchange') # 添加参数:是否使用特征交换,默认为1
parser.add_argument('-l', '--lamda', type=float, default=1e-3,
help='lamda for L1 norm on BN scales.') # 添加参数:批量归一化层L1范数的系数,默认为1e-3
parser.add_argument('-t', '--insnorm-threshold', type=float, default=1e-2,
help='threshold for slimming BNs') # 添加参数:批量归一化层的阈值,默认为1e-2
parser.add_argument('--enc', default=[0], type=int, nargs='+') # 添加参数:编码器层的配置,默认为[0]
parser.add_argument('--dec', default=[0], type=int, nargs='+') # 添加参数:解码器层的配置,默认为[0]
params = parser.parse_args() # 解析命令行参数,并将结果存储在params变量中
【读代码】main.py
于 2024-07-26 22:03:17 首次发布