-
Notifications
You must be signed in to change notification settings - Fork 12
/
train.py
255 lines (224 loc) · 14 KB
/
train.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
import os
import argparse
from solver import Solver
from utils.data_loader_stargan import get_loader
from torch.backends import cudnn
def str2bool(v):
return v.lower() in ('true')
def main(config):
# For fast training
cudnn.benchmark = True
# Create directories if not exist
if not os.path.exists(config.log_path):
os.makedirs(config.log_path)
if not os.path.exists(config.model_save_path):
os.makedirs(config.model_save_path)
if not os.path.exists(config.sample_path):
os.makedirs(config.sample_path)
if not os.path.exists(config.result_path):
os.makedirs(config.result_path)
# Data loader
data_loader = None
rafd_loader = None
bboxLoader = ((config.train_boxreconst==1) or (config.train_boxreconst==2)) if config.use_bbox_loader == None else config.use_bbox_loader
if config.dataset in ['CelebA', 'Both', 'coco', 'mnist', 'celebbox', 'pascal', 'places2', 'flickrlogo', 'belgalogo', 'ade20k']:
data_loader = get_loader(config.celebA_image_path, config.metadata_path, config.celebA_crop_size, config.image_size,
config.batch_size, config.dataset, config.mode, select_attrs=config.selected_attrs,
datafile=config.datafile, bboxLoader=bboxLoader,
bbox_size = config.box_size, randomrotate = config.randomrotate, randomscale=config.randomscale,
balance_classes = config.balance_classes, onlyrandBoxes=config.use_random_boxes, max_object_size=config.max_object_size,
imagenet_norm = False, use_gt_mask = config.use_gtmask_inp, n_boxes = config.n_boxes) # imagenet_norm is set to false now as I experimentally verified that adjusting the mean and variance inside the module works just as well.
config.selected_attrs = data_loader.dataset.selected_attrs
if config.dataset in ['RaFD', 'Both']:
rafd_loader = get_loader(config.rafd_image_path, None, config.rafd_crop_size,
config.image_size, config.batch_size, 'RaFD', config.mode)
if config.use_maskprior_gan:
mask_loader = get_loader(config.celebA_image_path, config.metadata_path, config.celebA_crop_size,
config.mask_size, config.batch_size, config.maskdataset,
config.mode, select_attrs=config.selected_attrs, datafile=config.datafile,
loadMasks = True, balance_classes=config.balance_classes, n_masks=config.n_masks_perclass)
else:
mask_loader = None
#c = 0
#for i, (real_x, real_label) in enumerate(celebA_loader):
# c = c+1
#print c
solver = Solver(data_loader, rafd_loader, config, mask_loader = mask_loader)
if config.mode == 'train':
if config.train_boxreconst==3:
solver.train_fulleditor()
elif config.train_boxreconst>0:
solver.train_reconst_nw()
else:
if config.dataset in ['CelebA', 'RaFD', 'coco', 'pascal', 'places2', 'flickrlogo', 'belgalogo', 'ade20k']:
solver.train()
elif config.dataset in ['Both']:
solver.train_multi()
elif config.mode == 'test':
solver.test()
if __name__ == '__main__':
parser = argparse.ArgumentParser()
parser.add_argument('--differential_generator', type=int, default=0)
parser.add_argument('--onlymaskgen', type=int, default=0)
parser.add_argument('--maskpaint', type=int, default=0)
parser.add_argument('--use_maskprior_gan', type=int, default=1)
parser.add_argument('--use_gtmask_inp', type=int, default=0)
parser.add_argument('--boxprior', type=int, default=0)
parser.add_argument('--n_masks_perclass', type=int, default=-1)
parser.add_argument('--n_boxes', type=int, default=1)
parser.add_argument('--maskprior_matchclass', type=int, default=1)
parser.add_argument('--maskdataset', type=str, default='coco')
parser.add_argument('--alternate_mask_train', type=int, default=2)
parser.add_argument('--train_g_every', type=int, default=2)
parser.add_argument('--use_unmasked_input', type=int, default=0)
parser.add_argument('--use_bbox_loader', type=int, default=1)
parser.add_argument('--discrim_masked_image', type=int, default=0)
# Model hyper-parameters
parser.add_argument('--c_dim', type=int, default=20)
parser.add_argument('--c2_dim', type=int, default=8)
parser.add_argument('--celebA_crop_size', type=int, default=178)
parser.add_argument('--rafd_crop_size', type=int, default=256)
parser.add_argument('--image_size', type=int, default=128)
parser.add_argument('--g_conv_dim', type=int, default=64)
parser.add_argument('--g_smooth_layers', type=int, default=0)
parser.add_argument('--g_binary_mask', type=int, default=0)
parser.add_argument('--gen_fullimage', type=int, default=0)
parser.add_argument('--d_conv_dim', type=int, default=64)
parser.add_argument('--g_repeat_num', type=int, default=6)
parser.add_argument('--d_repeat_num', type=int, default=6)
parser.add_argument('--e_repeat_num', type=int, default=5)
parser.add_argument('--d_init_stride', type=int, default=2)
parser.add_argument('--d_max_filters', type=int, default=512)
parser.add_argument('--d_kernel_size', type=int, default=3)
parser.add_argument('--d_max_filters_cls', type=int, default=512)
parser.add_argument('--d_global_pool', type=str, default='mean')
parser.add_argument('--d_use_spectralnorm', type=int, default=0)
parser.add_argument('--d_patch_size', type=int, default=16)
parser.add_argument('--g_downsamp_layers', type=int, default=3)
parser.add_argument('--g_upsample_type', type=str, default='bilinear')
parser.add_argument('--g_nupsampFilters', type=int, default=2)
parser.add_argument('--g_pad_type', type=str, default='zeros')
parser.add_argument('--g_dil_start', type=int, default=1)
parser.add_argument('--g_fixed_size', type=int, default=0)
parser.add_argument('--e_norm_type', type=str, default='instance')
parser.add_argument('--e_ksize', type=int, default=4)
parser.add_argument('--e_addnoise', type=int, default=0)
parser.add_argument('--e_masked_image', type=int, default=0)
parser.add_argument('--e_use_residual', type=int, default=0)
parser.add_argument('--e_bias', action='store_true', default=False)
parser.add_argument('--lowres_mask', type=int, default=0)
parser.add_argument('--mask_size', type=int, default=32)
parser.add_argument('--mask_additional_cond', type=str, default='image')
parser.add_argument('--perclass_mask', type=int, default=1)
parser.add_argument('--mask_noinplabel', type=int, default=0)
parser.add_argument('--mask_normalize_byclass', type=int, default=0)
parser.add_argument('--m_upsample_type', type=str, default='nearest')
parser.add_argument('--g_lr', type=float, default=0.0001)
parser.add_argument('--e_lr', type=float, default=0.0001)
parser.add_argument('--d_lr', type=float, default=0.0001)
parser.add_argument('--use_topk_patch', type=int, default=0)
parser.add_argument('--lambda_rec', type=float, default=0.)
parser.add_argument('--lambda_feat_match', type=float, default=0)
parser.add_argument('--lambda_vggloss', type=float, default=0)
parser.add_argument('--use_style_loss', type=float, default=0)
parser.add_argument('--lambda_smoothloss', type=float, default=0)
parser.add_argument('--lambda_maskL1loss', type=float, default=0)
parser.add_argument('--lambda_tvloss', type=float, default=0.)
parser.add_argument('--grad_weighted_l1loss', type=float, default=0)
parser.add_argument('--lambda_maskfake_loss', type=float, default=1.)
parser.add_argument('--vggloss_nw', type=str, default='vgg')
parser.add_argument('--lambda_cls', type=float, default=1)
parser.add_argument('--onlytargetclsloss', type=int, default=1)
parser.add_argument('--useclsweights', type=int, default=0)
parser.add_argument('--clsweight_scale_decay', type=int, default=0)
parser.add_argument('--clsweight_scale_init', type=float, default=1.)
parser.add_argument('--max_object_size', type=float, default=0.4)
parser.add_argument('--adv_rec', type=float, default=0)
parser.add_argument('--lambda_gp', type=float, default=10)
parser.add_argument('--d_train_repeat', type=int, default=5)
parser.add_argument('--selected_attrs', type=str, nargs='+', default=['person', 'bird', 'cat', 'cow', 'dog', 'horse', 'sheep', 'airplane', 'bicycle', 'boat', 'bus', 'car', 'motorcycle', 'train', 'bottle', 'couch', "dining table", "potted plant", 'chair', 'tv'])
#parser.add_argument('--selected_attrs', type=str, nargs='+', default=[])
parser.add_argument('--balance_classes', type=int, default=1)
# Seperate discriminator parameters
parser.add_argument('--use_seperate_classifier', type=int, default=1)
parser.add_argument('--use_gap_classifier', type=int, default=1)
parser.add_argument('--use_tv_inp', type=int, default=0)
parser.add_argument('--use_imagenet_pretrained', type=str, default='vgg19')
parser.add_argument('--use_imagenet_pretrained_mask', type=str, default=None)
parser.add_argument('--use_imnetmask_v2', type=int, default=1)
parser.add_argument('--cond_inp_pnet', type=int, default=0)
parser.add_argument('--cond_parallel_track', type=int, default=0)
parser.add_argument('--use_bnorm', type=int, default=1)
parser.add_argument('--use_bnorm_mask', type=int, default=2)
parser.add_argument('--adv_classifier', type=int, default=1)
parser.add_argument('--adv_loss_type', type=str, default='lsgan')
parser.add_argument('--m_adv_loss_type', type=str, default='wgan')
# Training settings
parser.add_argument('--dataset', type=str, default='coco', choices=['CelebA', 'RaFD', 'Both', 'coco', 'mnist', 'celebbox', 'pascal', 'places2',
'flickrlogo', 'belgalogo', 'ade20k'])
parser.add_argument('--datafile', type=str, default='datasetBoxAnn_80pcMaxObj.json')
parser.add_argument('--only_remove_train', type=int, default=1)
parser.add_argument('--num_epochs', type=int, default=20)
parser.add_argument('--num_epochs_decay', type=int, default=10)
parser.add_argument('--decay_every', type=int, default=5)
parser.add_argument('--num_iters', type=int, default=200000)
parser.add_argument('--num_iters_decay', type=int, default=100000)
parser.add_argument('--batch_size', type=int, default=32)
parser.add_argument('--num_workers', type=int, default=1)
parser.add_argument('--beta1', type=float, default=0.5)
parser.add_argument('--beta2', type=float, default=0.999)
parser.add_argument('--pretrained_model', type=str, default=None)
# Deformations applied to mnist images;
parser.add_argument('--randomrotate', type=int, default=90)
parser.add_argument('--randomscale', type=float, nargs='+', default=[0.4,0.4])
parser.add_argument('--train_boxreconst', type=int, default=0)
parser.add_argument('--g_fine_tune', type=int, default=1)
parser.add_argument('--no_inpainter', type=int, default=0)
parser.add_argument('--fixed_m', type=int, default=0)
parser.add_argument('--only_gt_mask', type=int, default=0)
parser.add_argument('--dilateMask', type=int, default=0)
parser.add_argument('--train_g_wo_m', type=int, default=0)
parser.add_argument('--train_only_g', type=int, default=0)
parser.add_argument('--fixed_classifier', type=int, default=0)
parser.add_argument('--train_only_d', type=int, default=0)
parser.add_argument('--train_robust_d', type=int, default=0)
parser.add_argument('--compositional_loss', type=float, default=0.)
parser.add_argument('--full_image_encoder', type=int, default=0)
parser.add_argument('--only_reconst_loss', type=int, default=0)
parser.add_argument('--use_box_label', type=int, default=0)
parser.add_argument('--box_size', type=int, default=64)
parser.add_argument('--boxfeat_dim', type=int, default=0)
parser.add_argument('--onlypretrained_discr', type=str, default=None)
parser.add_argument('--onlypretrained_encoder', type=str, default=None)
parser.add_argument('--onlypretrained_generator', type=str, default=None)
parser.add_argument('--load_generator', type=int, default=1)
parser.add_argument('--load_encoder', type=int, default=1)
parser.add_argument('--load_discriminator', type=int, default=1)
parser.add_argument('--use_random_boxes', type=int, default=0)
parser.add_argument('--use_past_masks', type=int, default=0)
parser.add_argument('--only_random_boxes_discr', type=int, default=0)
parser.add_argument('--d_local_supervision', type=int, default=1)
# Test settings
parser.add_argument('--test_model', type=str, default='20_1000')
# Misc
parser.add_argument('--mode', type=str, default='train', choices=['train', 'test'])
parser.add_argument('--use_tensorboard', type=str2bool, default=False)
# Path
parser.add_argument('--celebA_image_path', type=str, default='./data/celebA/images')
parser.add_argument('--rafd_image_path', type=str, default='./data/RaFD/train')
parser.add_argument('--metadata_path', type=str, default='./data/celebA/list_attr_celeba.txt')
parser.add_argument('--log_path', type=str, default='./test/logs')
parser.add_argument('--model_save_path', type=str, default='./stargancv/models')
parser.add_argument('--sample_path', type=str, default='./stargancv/samples')
parser.add_argument('--result_path', type=str, default='./stargancv/results')
parser.add_argument('--fappend', dest='fappend', type=str, default='baseline', help='append this string to checkpoint filenames')
# Step size
parser.add_argument('--log_step', type=int, default=10)
parser.add_argument('--sample_step', type=int, default=500)
parser.add_argument('--model_save_step', type=int, default=2)
config = parser.parse_args()
config.sample_path = os.path.join(config.sample_path,config.fappend)
config.result_path = os.path.join(config.result_path,config.fappend)
config.model_save_path = os.path.join(config.model_save_path,config.fappend)
print(config)
main(config)