File size: 4,311 Bytes
653040f | 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 | import argparse
def get_public_config():
parser = argparse.ArgumentParser(description="Spatiotemporal Integration AE Config")
# ==========================================
# 1. 基础环境与路径配置 (Base & Path Settings)
# ==========================================
parser.add_argument('--device', type=str, default='')
parser.add_argument('--dataset', type=str, default='SEA_AD_MTP_ST')
# if need to use the data from multiple years, please use underline to separate them, e.g., 2018_2019
parser.add_argument('--model_name', type=str, default='mjm')
parser.add_argument('--seed', type=int, default=3028) # 合并了两次出现的 seed，以第一次的 3028 为准
parser.add_argument('--mode', type=str, default='train')
parser.add_argument('--num_workers', type=int, default=8)
# ==========================================
# 2. 训练与优化配置 (Optimization Settings)
# ==========================================
# 整合 --bs 和 --batch_size，统一命名为 batch_size，以第一次的值 64 为准
parser.add_argument('--bs', type=int, default=512)
# 整合 --max_epochs 和 --epochs，统一命名为 max_epochs
parser.add_argument('--max_epochs', type=int, default=500)
parser.add_argument('--patience', type=int, default=30) # 合并了 30 和 10，以第一次的 30 为准
parser.add_argument('--lr', type=float, default=1e-4)
parser.add_argument('--weight_decay', type=float, default=1e-4)
# ==========================================
# 3. 模型架构配置 (Model Settings)
# ==========================================
# 合并了两次出现的 input_dim，严格遵守你的要求，以第一次的值 3 为准 (见下方避坑提醒)
parser.add_argument('--input_dim', type=int, default=140)
parser.add_argument('--latent_dim', type=int, default=20)
parser.add_argument('--e_layers', type=int, default=3)
parser.add_argument('--d_layers', type=int, default=1)
parser.add_argument('--enc_hidden_dim', type=int, default=256)
parser.add_argument('--dec_hidden_dim', type=int, default=256)
parser.add_argument('--expansion_factor', type=float, default=2.67)
parser.add_argument('--dropout', type=float, default=0.3)
# 使用 nargs='+' 接收多个整数输入，例如在命令行输入: --output_num 3 24 137
parser.add_argument('--output_num', type=int, nargs='+', default=[3, 24, 137], help='List of output dimensions for hierarchical classification')
# 默认是 True，所以使用 store_false。
# 命令行如果不加此参数，args.is_hierarchical 就是 True；如果加上 --no_hierarchical，它就会变成 False
parser.add_argument('--no_hierarchical', action='store_false', dest='is_hierarchical', help='Disable hierarchical processing (defaults to True)')
# ==========================================
# 4. mjm_1 专属配置 (mjm_1-specific Settings)
# ==========================================
parser.add_argument('--residual_mode', type=str, default='feature',
choices=['feature', 'logit', 'none'],
help=(
"层间残差连接方式（仅 mjm_1 使用）:\n"
" 'feature' : C_{i+1} = D_{i+1}(...) + C_i，在隐层特征空间做残差（默认）\n"
" 'logit' : C_{i+1} = D_{i+1}(...) + proj(logits_i)，logit 投影残差\n"
" 'none' : 三路 Decoder 完全独立，无残差"
))
# ==========================================
# 5. 多目标优化配置 (MOO Settings)
# ==========================================
parser.add_argument('--moo_method', type=str, default='equal',
choices=['equal', 'uncertainty', 'pcgrad', 'gradnorm'],
help='Multi-objective optimization strategy')
parser.add_argument('--alpha_gradnorm', type=float, default=1.5,
help='GradNorm asymmetry parameter (higher = more aggressive balancing)')
parser.add_argument('--spatial_dim', type=int, default=0,
help='Spatial coordinate dimensions to append (0=none, 2=xy)')
return parser |