Spaces:
Starting
on
T4
Starting
on
T4
File size: 13,690 Bytes
2d47d90 |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 |
import configargparse
import time
import json
import yaml
import os
def str2bool(v):
""" from https://stackoverflow.com/a/43357954/1361529 """
if isinstance(v, bool):
return v
if v.lower() in ('yes', 'true', 't', 'y', '1'):
return True
elif v.lower() in ('no', 'false', 'f', 'n', '0'):
return False
else:
raise configargparse.ArgumentTypeError('Boolean value expected.')
def parse_args():
"""
requirement for config
1. command > yaml > default
2. avoid re-definition
3. lowercase letters is better
4. hierarchical is not necessary
"""
parser = configargparse.ArgParser()
parser.add("-c", "--config", default='./configs/emage_test_hf.yaml', is_config_file=True)
parser.add("--project", default="audio2pose", type=str) # wandb project name
parser.add("--stat", default="ts", type=str)
parser.add("--csv_name", default="a2g_0", type=str) # local device id
parser.add("--notes", default="", type=str)
parser.add("--trainer", default="camn", type=str)
parser.add("--l", default=4, type=int)
# ------------- path and save name ---------------- #
parser.add("--is_train", default=True, type=str2bool)
parser.add("--debug", default=False, type=str2bool)
# different between environments
parser.add("--root_path", default="/home/ma-user/work/")
parser.add("--cache_path", default="/outputs/audio2pose/", type=str)
parser.add("--out_path", default="/outputs/audio2pose/", type=str)
parser.add("--data_path", default="/outputs/audio2pose/", type=str)
parser.add("--train_data_path", default="/datasets/trinity/train/", type=str)
parser.add("--val_data_path", default="/datasets/trinity/val/", type=str)
parser.add("--test_data_path", default="/datasets/trinity/test/", type=str)
parser.add("--mean_pose_path", default="/datasets/trinity/train/", type=str)
parser.add("--std_pose_path", default="/datasets/trinity/train/", type=str)
# for pretrian weights
parser.add("--data_path_1", default="../../datasets/checkpoints/", type=str)
# ------------------- evaluation ----------------------- #
parser.add("--test_ckpt", default="/datasets/beat_cache/beat_4english_15_141/last.bin")
parser.add("--eval_model", default="vae", type=str)
parser.add("--e_name", default=None, type=str) #HalfEmbeddingNet
parser.add("--e_path", default="/datasets/beat/generated_data/self_vae_128.bin")
parser.add("--variational", default=False, type=str2bool)
parser.add("--vae_length", default=256, type=int)
parser.add("--vae_test_dim", default=141, type=int)
parser.add("--vae_test_len", default=34, type=int)
parser.add("--vae_test_stride", default=10, type=int)
#parser.add("--vae_pose_length", default=34, type=int)
parser.add("--test_period", default=20, type=int)
parser.add("--vae_codebook_size", default=1024, type=int)
parser.add("--vae_quantizer_lambda", default=1., type=float)
parser.add("--vae_layer", default=2, type=int)
parser.add("--vae_grow", default=[1,1,2,1], type=int, nargs="*")
parser.add("--lf", default=0., type=float)
parser.add("--ll", default=0., type=float)
parser.add("--lu", default=0., type=float)
parser.add("--lh", default=0., type=float)
parser.add("--cf", default=0., type=float)
parser.add("--cl", default=0., type=float)
parser.add("--cu", default=0., type=float)
parser.add("--ch", default=0., type=float)
# --------------- data ---------------------------- #
parser.add("--additional_data", default=False, type=str2bool)
parser.add("--train_trans", default=True, type=str2bool)
parser.add("--dataset", default="beat", type=str)
parser.add("--rot6d", default=True, type=str2bool)
parser.add("--ori_joints", default="spine_neck_141", type=str)
parser.add("--tar_joints", default="spine_neck_141", type=str)
parser.add("--training_speakers", default=[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], type=int, nargs="*")
#parser.add("--pose_version", default="spine_neck_141", type=str)
parser.add("--new_cache", default=True, type=str2bool)
parser.add("--beat_align", default=True, type=str2bool)
parser.add("--cache_only", default=False, type=str2bool)
parser.add("--word_cache", default=False, type=str2bool)
parser.add("--use_aug", default=False, type=str2bool)
parser.add("--disable_filtering", default=False, type=str2bool)
parser.add("--clean_first_seconds", default=0, type=int)
parser.add("--clean_final_seconds", default=0, type=int)
parser.add("--audio_rep", default=None, type=str)
parser.add("--audio_sr", default=16000, type=int)
parser.add("--word_rep", default=None, type=str)
parser.add("--emo_rep", default=None, type=str)
parser.add("--sem_rep", default=None, type=str)
parser.add("--facial_rep", default=None, type=str)
parser.add("--pose_rep", default="bvhrot", type=str)
parser.add("--id_rep", default="onehot", type=str)
parser.add("--speaker_id", default="onehot", type=str)
parser.add("--a_pre_encoder", default=None, type=str)
parser.add("--a_encoder", default=None, type=str)
parser.add("--a_fix_pre", default=False, type=str2bool)
parser.add("--t_pre_encoder", default=None, type=str)
parser.add("--t_encoder", default=None, type=str)
parser.add("--t_fix_pre", default=False, type=str2bool)
parser.add("--m_pre_encoder", default=None, type=str)
parser.add("--m_encoder", default=None, type=str)
parser.add("--m_fix_pre", default=False, type=str2bool)
parser.add("--f_pre_encoder", default=None, type=str)
parser.add("--f_encoder", default=None, type=str)
parser.add("--f_fix_pre", default=False, type=str2bool)
parser.add("--m_decoder", default=None, type=str)
parser.add("--decode_fusion", default=None, type=str)
parser.add("--atmr", default=0.0, type=float)
parser.add("--ttmr", default=0., type=float)
parser.add("--mtmr", default=0., type=float)
parser.add("--ftmr", default=0., type=float)
parser.add("--asmr", default=0., type=float)
parser.add("--tsmr", default=0., type=float)
parser.add("--msmr", default=0., type=float)
parser.add("--fsmr", default=0., type=float)
# parser.add("--m_encoder", default=None, type=str)
# parser.add("--m_pre_fix", default=None, type=str)
# parser.add("--id_rep", default=None, type=str)
parser.add("--freeze_wordembed", default=True, type=str2bool)
parser.add("--audio_fps", default=16000, type=int)
parser.add("--facial_fps", default=15, type=int)
parser.add("--pose_fps", default=15, type=int)
parser.add("--audio_dims", default=1, type=int)
parser.add("--facial_dims", default=39, type=int)
parser.add("--pose_dims", default=123, type=int)
parser.add("--word_index_num", default=5793, type=int)
parser.add("--word_dims", default=300, type=int)
parser.add("--speaker_dims", default=4, type=int)
parser.add("--emotion_dims", default=8, type=int)
parser.add("--audio_norm", default=False, type=str2bool)
parser.add("--facial_norm", default=False, type=str2bool)
parser.add("--pose_norm", default=False, type=str2bool)
parser.add("--pose_length", default=34, type=int)
parser.add("--pre_frames", default=4, type=int)
parser.add("--stride", default=10, type=int)
parser.add("--pre_type", default="zero", type=str)
parser.add("--audio_f", default=0, type=int)
parser.add("--motion_f", default=0, type=int)
parser.add("--facial_f", default=0, type=int)
parser.add("--speaker_f", default=0, type=int)
parser.add("--word_f", default=0, type=int)
parser.add("--emotion_f", default=0, type=int)
parser.add("--aud_prob", default=1.0, type=float)
parser.add("--pos_prob", default=1.0, type=float)
parser.add("--txt_prob", default=1.0, type=float)
parser.add("--fac_prob", default=1.0, type=float)
parser.add("--multi_length_training", default=[1.0], type=float, nargs="*")
# --------------- model ---------------------------- #
parser.add("--pretrain", default=False, type=str2bool)
parser.add("--model", default="camn", type=str)
parser.add("--g_name", default="CaMN", type=str)
parser.add("--d_name", default=None, type=str) #ConvDiscriminator
parser.add("--dropout_prob", default=0.3, type=float)
parser.add("--n_layer", default=4, type=int)
parser.add("--hidden_size", default=300, type=int)
#parser.add("--period", default=34, type=int)
parser.add("--test_length", default=34, type=int)
# Self-designed "Multi-Stage", "Seprate", or "Original"
parser.add("--finger_net", default="original", type=str)
parser.add("--pos_encoding_type", default="sin", type=str)
parser.add("--queue_size", default=1024, type=int)
# --------------- training ------------------------- #
parser.add("--epochs", default=120, type=int)
parser.add("--epoch_stage", default=0, type=int)
parser.add("--grad_norm", default=0, type=float)
parser.add("--no_adv_epoch", default=999, type=int)
parser.add("--batch_size", default=128, type=int)
parser.add("--opt", default="adam", type=str)
parser.add("--lr_base", default=0.00025, type=float)
parser.add("--opt_betas", default=[0.5, 0.999], type=float, nargs="*")
parser.add("--weight_decay", default=0., type=float)
# for warmup and cosine
parser.add("--lr_min", default=1e-7, type=float)
parser.add("--warmup_lr", default=5e-4, type=float)
parser.add("--warmup_epochs", default=0, type=int)
parser.add("--decay_epochs", default=9999, type=int)
parser.add("--decay_rate", default=0.1, type=float)
parser.add("--lr_policy", default="step", type=str)
# for sgd
parser.add("--momentum", default=0.8, type=float)
parser.add("--nesterov", default=True, type=str2bool)
parser.add("--amsgrad", default=False, type=str2bool)
parser.add("--d_lr_weight", default=0.2, type=float)
parser.add("--rec_weight", default=500, type=float)
parser.add("--adv_weight", default=20.0, type=float)
parser.add("--fid_weight", default=0.0, type=float)
parser.add("--vel_weight", default=0.0, type=float)
parser.add("--acc_weight", default=0.0, type=float)
parser.add("--kld_weight", default=0.0, type=float)
parser.add("--kld_aud_weight", default=0.0, type=float)
parser.add("--kld_fac_weight", default=0.0, type=float)
parser.add("--ali_weight", default=0.0, type=float)
parser.add("--ita_weight", default=0.0, type=float)
parser.add("--iwa_weight", default=0.0, type=float)
parser.add("--wei_weight", default=0.0, type=float)
parser.add("--gap_weight", default=0.0, type=float)
parser.add("--atcont", default=0.0, type=float)
parser.add("--fusion_mode", default="sum", type=str)
parser.add("--div_reg_weight", default=0.0, type=float)
parser.add("--rec_aud_weight", default=0.0, type=float)
parser.add("--rec_ver_weight", default=0.0, type=float)
parser.add("--rec_pos_weight", default=0.0, type=float)
parser.add("--rec_fac_weight", default=0.0, type=float)
parser.add("--rec_txt_weight", default=0.0, type=float)
# parser.add("--gan_noise_size", default=0, type=int)
# --------------- ha2g -------------------------- #
parser.add("--n_pre_poses", default=4, type=int)
parser.add("--n_poses", default=34, type=int)
parser.add("--input_context", default="both", type=str)
parser.add("--loss_contrastive_pos_weight", default=0.2, type=float)
parser.add("--loss_contrastive_neg_weight", default=0.005, type=float)
parser.add("--loss_physical_weight", default=0.0, type=float)
parser.add("--loss_reg_weight", default=0.05, type=float)
parser.add("--loss_regression_weight", default=70.0, type=float)
parser.add("--loss_gan_weight", default=5.0, type=float)
parser.add("--loss_kld_weight", default=0.1, type=float)
parser.add("--z_type", default="speaker", type=str)
# --------------- device -------------------------- #
parser.add("--random_seed", default=2021, type=int)
parser.add("--deterministic", default=True, type=str2bool)
parser.add("--benchmark", default=True, type=str2bool)
parser.add("--cudnn_enabled", default=True, type=str2bool)
# mix precision
parser.add("--apex", default=False, type=str2bool)
parser.add("--gpus", default=[0], type=int, nargs="*")
parser.add("--loader_workers", default=0, type=int)
parser.add("--ddp", default=False, type=str2bool)
parser.add("--sparse", default=1, type=int)
#parser.add("--world_size")
parser.add("--render_video_fps", default=30, type=int)
parser.add("--render_video_width", default=1920, type=int)
parser.add("--render_video_height", default=720, type=int)
cpu_cores = os.cpu_count() if os.cpu_count() is not None else 1
default_concurrent = max(1, cpu_cores // 2)
parser.add("--render_concurrent_num", default=default_concurrent, type=int)
parser.add("--render_tmp_img_filetype", default="bmp", type=str)
# logging
parser.add("--log_period", default=10, type=int)
args = parser.parse_args()
idc = 0
for i, char in enumerate(args.config):
if char == "/": idc = i
args.name = args.config[idc+1:-5]
is_train = args.is_train
if is_train:
time_local = time.localtime()
name_expend = "%02d%02d_%02d%02d%02d_"%(time_local[1], time_local[2],time_local[3], time_local[4], time_local[5])
args.name = name_expend + args.name
return args |