Spaces:
Sleeping
Sleeping
File size: 8,218 Bytes
20b7679 |
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 |
import argparse
from datetime import datetime
from const import lca_names, sca_names, lingfeat_names
import os, json
from copy import deepcopy
import numpy as np
def parse_args(ckpt=None):
parser = argparse.ArgumentParser()
parser.add_argument('--data_dir', default='/data/mohamed/data')
parser.add_argument('--data', default='ling_conversion')
parser.add_argument('--data_sources')
parser.add_argument('--data_type', default='text')
parser.add_argument('--aim_repo', default='/data/mohamed/')
parser.add_argument('--ckpt_dir', default='/data/mohamed/checkpoints')
parser.add_argument('--kld_annealing', default='cyclic')
parser.add_argument('--lingpred_annealing', default='mono')
parser.add_argument('--ling_embed_type', default = 'one-layer')
parser.add_argument('--combine_weight', default=1, type=float)
parser.add_argument('--alpha_kld', default=1, type=float)
parser.add_argument('--alpha_lingpred', default=1, type=float)
parser.add_argument('--alpha_sem', default=1, type=float)
parser.add_argument('--max_grad_norm', default=10, type=float)
parser.add_argument('--sem_loss_tao', default=0.5, type=float)
parser.add_argument('--sem_loss_eps', default=1, type=float)
parser.add_argument('--ckpt')
parser.add_argument('--disc_ckpt')
parser.add_argument('--sem_ckpt')
parser.add_argument('--lng_ids')
parser.add_argument('--lng_ids_idx', type=int)
parser.add_argument('--lng_ids_path', default='/data/mohamed/indices')
parser.add_argument('--preds_dir', default='/data/mohamed/preds')
parser.add_argument('--model_name', default="google/flan-t5-base")
parser.add_argument('--disc_type', default="t5")
parser.add_argument('--aim_exp', default='ling-conversion')
parser.add_argument('--sem_loss_type', default='dedicated')
parser.add_argument('--combine_method', default='none')
parser.add_argument('--train_log', type=int, default=200)
parser.add_argument('--val_log', type=int, default=2000)
parser.add_argument('--batch_size', type=int, default=64)
parser.add_argument('--eval_batch_size', type=int, default=32)
parser.add_argument('--max_eval_samples', type=int, default=1000)
parser.add_argument('--test_batch_size', type=int, default=1)
parser.add_argument('--hidden_dim', type=int, default=500)
parser.add_argument('--latent_dim', type=int, default=150)
parser.add_argument('--lng_dim', type=int, default=40)
parser.add_argument('--disc_lng_dim', type=int)
parser.add_argument('--use_lora', action='store_true')
parser.add_argument('--lora_r', type=int, default=64)
parser.add_argument('--gpu', type=str, default='0')
parser.add_argument('--epochs', type=int, default=10)
parser.add_argument('--grad_accumulation', type=int, default=1)
parser.add_argument('--n_ica', type=int, default=10)
parser.add_argument('--max_length', type=int, default=200)
parser.add_argument('--total_steps', type=int)
parser.add_argument('--kld_const', type=float, default=1)
parser.add_argument('--lr', type=float, default=1e-4)
parser.add_argument('--kl_weight', type=float, default=1e-1)
parser.add_argument('--weight_decay', type=float, default=1e-2)
parser.add_argument('--ling_dropout', type=float, default=0.1)
parser.add_argument('--predict_fn', default = 'logs/test.txt')
parser.add_argument('--save_predict', action='store_true')
parser.add_argument('--use_ica', action='store_true')
parser.add_argument('--pretrain_gen', action='store_true')
parser.add_argument('--pretrain_sem', action='store_true')
parser.add_argument('--pretrain_disc', action='store_true')
parser.add_argument('--linggen_type', default='none')
parser.add_argument('--linggen_input', default='s+l')
parser.add_argument('--aug_same', action='store_true')
parser.add_argument('--ling_vae', action='store_true')
parser.add_argument('--process_lingpred', action='store_true')
parser.add_argument('--fudge_lambda', type=float, default=1.0)
parser.add_argument('--use_lingpred', action='store_true')
parser.add_argument('--ling2_only', action='store_true')
parser.add_argument('--cycle_loss', action='store_true')
parser.add_argument('--disc_loss', action='store_true')
parser.add_argument('--sem_loss', action='store_true')
parser.add_argument('--sim_loss', action='store_true')
parser.add_argument('--optuna', action='store_true')
parser.add_argument('--debug', action='store_true')
parser.add_argument('--demo', action='store_true')
parser.add_argument('--fudge', action='store_true')
parser.add_argument('--fb_log', default='feedback_logs/default.txt')
parser.add_argument('--eval_only', action='store_true')
parser.add_argument('--predict_with_feedback', action='store_true')
parser.add_argument('--feedback_param', default = 's')
parser.add_argument('--eval_ling', action='store_true')
parser.add_argument('--seed', type=int, default=0)
parser.add_argument('--major_arg', default = 0, type=int)
parser.add_argument('--quantize_lng', action='store_true')
parser.add_argument('--quant_nbins', type=int, default=20)
parser.add_argument('--src_lng', default = 'ling')
parser.add_argument('--to_restore', nargs='+', default=[])
# args = parser.parse_args()
args, unknown = parser.parse_known_args()
args.name = f'{datetime.now().strftime("%m%d_%H-%M-%S")}-{args.data}-{args.combine_method}'
major_arg = args.major_arg
to_restore = [
'total_steps','major_arg','gpu','demo', 'eval_only', 'save_predict', 'predict_fn', 'fudge', 'predict_with_feedback',
'feedback_param', 'fb_log', 'data_dir', 'data', 'disc_ckpt', 'disc_type', 'sem_ckpt', 'fudge_lambda', 'test_batch_size', 'src_lng'
] + args.to_restore
to_restore = {k: args.__dict__[k] for k in to_restore}
if not args.disc_loss or args.disc_ckpt:
args.disc_steps = 0
if args.data_sources is not None:
args.data_sources = args.data_sources.split(',')
if ckpt is not None:
args.ckpt = ckpt
args_list = [args]
if args.ckpt:
if ',' in args.ckpt:
ckpts = args.ckpt.split(',')
args_list = [deepcopy(args) for _ in range(len(ckpts))]
for i in range(len(ckpts)):
args_path = ckpts[i].replace('_best', '').replace('.pt', '.json')
with open(args_path) as f:
args_list[i].__dict__.update(json.load(f))
args_list[i].__dict__.update(to_restore)
args_list[i].ckpt = ckpts[i]
else:
args_path = args.ckpt.replace('_best', '').replace('.pt', '.json')
ckpt = args.ckpt
with open(args_path) as f:
args.__dict__.update(json.load(f))
args.__dict__.update(to_restore)
args.ckpt = ckpt
lng_names = lca_names + sca_names + lingfeat_names
for i in range(len(args_list)):
if args_list[i].lng_ids or args_list[i].lng_ids_idx:
if args_list[i].lng_ids_idx:
lng_ids = np.load(os.path.join(args_list[i].lng_ids_path, f'{args_list[i].lng_ids_idx}.npy'))
elif args_list[i].lng_ids[0].isnumeric():
lng_ids = [int(x) for x in args_list[i].lng_ids.split(',')]
elif ',' in args_list[i].lng_ids:
lng_ids = [lng_names.index(x) for x in args_list[i].lng_ids.split(',')]
else:
lng_ids = np.load(args_list[i].lng_ids)
args_list[i].lng_dim = len(lng_ids)
args_list[i].lng_ids = lng_ids.tolist()
# lng_names = [lng_names[i] for i in lng_ids]
elif args_list[i].use_ica:
args_list[i].lng_dim = args_list[i].n_ica
if args_list[i].disc_lng_dim is None:
args_list[i].disc_lng_dim = args_list[i].lng_dim
if not args.ckpt and not args.eval_only:
args_path = os.path.join(args.ckpt_dir, '%s.json'%args.name)
with open(args_path, 'w') as f:
s = json.dumps(args.__dict__)
f.write(s)
return args_list[major_arg], args_list, lng_names
|