-
Notifications
You must be signed in to change notification settings - Fork 0
Expand file tree
/
Copy pathmain.py
More file actions
157 lines (112 loc) · 5.62 KB
/
main.py
File metadata and controls
157 lines (112 loc) · 5.62 KB
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
import data_loader
import subdeq
import subdeq_conv
import train
import torch
import random
import numpy as np
worker = 0
#MNIST FC
torch.manual_seed(0)
random.seed(0)
np.random.seed(0)
print('=================================================================================')
print(f'MNIST (dense)')
print('=================================================================================')
print("\n")
train_loader,val_loeader, test_loader = data_loader.mnist_loaders(worker,test_batch_size=128*4)
print('=================================================================================')
print(f'Subdeq (Tanh)')
print('=================================================================================')
print("\n")
subdeq_tanhshift= subdeq.Subdeq_shift()
train.train(subdeq_tanhshift,train_loader,val_loeader, test_loader)
print('=================================================================================')
print(f'Subdeq (Normalized Tanh)')
print('=================================================================================')
print("\n")
subdeq_tanh = subdeq.Subdeq_shift(norm=np.inf,shift=1.603)
train.train(subdeq_tanh,train_loader,val_loeader, test_loader)
#MNIST conv
torch.manual_seed(0)
random.seed(0)
np.random.seed(0)
print('=================================================================================')
print(f'MNIST (Convolutional)')
print('=================================================================================')
print("\n")
print('=================================================================================')
print(f'Subdeq (Tanh)')
print('=================================================================================')
print("\n")
subdeq1 = subdeq_conv.subdeq_shifttanh(chan=32,pool=6,n=28,input_chan=1)
train.train(subdeq1,train_loader,val_loeader, test_loader,max_epochs=40)
print('=================================================================================')
print(f'Subdeq (Normalized Tanh)')
print('=================================================================================')
print("\n")
subdeq1 = subdeq_conv.subdeq_shifttanh(chan=32,pool=6,n=28,input_chan=1,norm=np.inf,shift=1.603)
train.train(subdeq1,train_loader,val_loeader, test_loader,max_epochs=40)
#CIFAR-10 conv
torch.manual_seed(0)
random.seed(0)
np.random.seed(0)
train_loader,val_loeader, test_loader = data_loader.cifar_loaders(worker,test_batch_size=128*4)
print('=================================================================================')
print(f'CIFAR-10 (Convolutional)')
print('=================================================================================')
print("\n")
print('=================================================================================')
print(f'Subdeq (Tanh)')
print('=================================================================================')
print("\n")
subdeq1 = subdeq_conv.subdeq_shifttanh(chan=48,pool=8,n=32,input_chan=3)
train.train(subdeq1,train_loader,val_loeader, test_loader,max_epochs=40)
print('=================================================================================')
print(f'Subdeq (Normalized Tanh)')
print('=================================================================================')
print("\n")
subdeq1 = subdeq_conv.subdeq_shifttanh(chan=48,pool=8,n=32,input_chan=3)
train.train(subdeq1,train_loader,val_loeader, test_loader,max_epochs=40,norm=np.inf,shift=1.603)
#SVHN conv
torch.manual_seed(0)
random.seed(0)
np.random.seed(0)
train_loader,val_loeader, test_loader = data_loader.svhn_loaders(worker, test_batch_size=128*4)
print('=================================================================================')
print(f'SVHN (Convolutional)')
print('=================================================================================')
print("\n")
print('=================================================================================')
print(f'Subdeq (Tanh)')
print('=================================================================================')
print("\n")
subdeq1 = subdeq_conv.subdeq_shifttanh(chan=48,pool=8,n=32,input_chan=3)
train.train(subdeq1,train_loader,val_loeader, test_loader,max_epochs=40)
print('=================================================================================')
print(f'Subdeq (Normalized Tanh)')
print('=================================================================================')
print("\n")
subdeq1 = subdeq_conv.subdeq_shifttanh(chan=48,pool=8,n=32,input_chan=3,norm=np.inf,shift=1.603)
train.train(subdeq1,train_loader,val_loeader, test_loader,max_epochs=40)
#Tiny ImageNet conv
torch.manual_seed(0)
random.seed(0)
np.random.seed(0)
train_loader,val_loader = data_loader.imagnet_loader()
print('=================================================================================')
print(f'Tiny ImageNet (Convolutional)')
print('=================================================================================')
print("\n")
print('=================================================================================')
print(f'Subdeq (Tanh)')
print('=================================================================================')
print("\n")
subdeq1 = subdeq_conv.subdeq_shifttanh(chan=64,pool=8,n=64,input_chan=3,out_class=200)
train.train(subdeq1,train_loader,val_loader, val_loader,max_epochs=50,runs = 3)
print('=================================================================================')
print(f'Subdeq (Normalized Tanh)')
print('=================================================================================')
print("\n")
subdeq1 = subdeq_conv.subdeq_shifttanh(chan=64,pool=8,n=64,input_chan=3,out_class=200,norm=np.inf,shift=1.603)
train.train(subdeq1,train_loader,val_loader, val_loader,max_epochs=50,runs = 3)