【读代码】main.py

> 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