scripts/archive/run_train_v14.sh

#!/usr/bin/env bash
# v14 training — Loại bỏ non-segmented slap sensors + giảm epochs.
#
# Root cause analysis từ v13 eval:
#
#   T28 — Non-segmented slap (R_1000_slap, R_500_slap, S_500_slap) gây nhiễu.
#          Ảnh full-hand slap 4 ngón → backbone extract feature gần như giống
#          hệt nhau cho mọi người → score bị collapse về 21.2 (std ≈ 0).
#          Sensor này không thể cải thiện bằng loss — phải loại khỏi training.
#          v13 mean_KS = 0.634 (xấu hơn v12 = 0.51) vì các sensor này kéo
#          distribution sang cụm 21, tạo gap lớn so với segmented sensors (~54).
#
#   T29 — Train từ đầu (không resume): backbone TinyViT từ IN22k pretrained,
#          concept head + aggregator ngẫu nhiên → cần 60 epochs để converge.
#
# Code changes (v14):
#   T28 — Thêm --exclude-sensor R_1000_slap,R_500_slap,S_500_slap vào train_sifq.py.
#          Records bị loại sau discover(), trước shuffle().
#          SensorDiscriminator sẽ không thấy những sensors này → không cần GRL
#          effort để align chúng với segmented counterparts.
#   T29 — Train từ đầu (bỏ --resume). Tăng lên 60 epochs để đủ converge.
#          LR cosine schedule từ 1e-4 → 0.
#
# Dữ liệu sau khi exclude:
#   - SD302: ~41,900 records (loại ~1,700 non-seg slap: R_1000=488, R_500=552, S_500=648)
#   - FVC + PolyU: không đổi
#   - Sensors còn lại: R_*_slap-segmented, S_*_slap-segmented, U_*/V_* roll, flat_*
#
# Expected improvements v14:
#   Track 2 mean_KS:    0.634 → <0.30 (loại bỏ cụm ~21 khỏi distribution)
#   Track 2 Pearson:    0.224 → giữ hoặc tốt hơn
#   Score distribution: flat, clean peaks thay vì 2-cluster
#
# Training: từ đầu (không resume). Backbone: TinyViT pretrained IN22k.
# Tất cả hyperparameters khác giữ nguyên v13.
set -euo pipefail

REPO_ROOT="$(cd "$(dirname "$0")/../.." && pwd)"
source "${REPO_ROOT}/.venv/bin/activate"

python "${REPO_ROOT}/sifq/scripts/train_sifq.py" \
  --root-302a  "${REPO_ROOT}/dataset/302a/images/challengers" \
  --root-302b  "${REPO_ROOT}/dataset/302b/images/baseline" \
  --root-302d  "${REPO_ROOT}/dataset/nist_302d/images/auxiliary" \
  --root-fvc2002 "${REPO_ROOT}/dataset/FVC_Dataset/FVC2002" \
  --root-fvc2004 "${REPO_ROOT}/dataset/FVC_Dataset/FVC2004" \
  --root-polyu "${REPO_ROOT}/dataset/PolyU" \
  --exclude-sensor "R_1000_slap,R_500_slap,S_500_slap" \
  --mdgt-checkpoint "${REPO_ROOT}/pad/TRAM-downstream/checkpoint/checkpoints_dinov2_tram/best_eer.pt" \
  --epochs 60 \
  --batch-size 96 \
  --image-size 224 \
  --lr 1e-4 \
  --spread-mode uniform \
  --spread-weight 3.0 \
  --deg-every-n-steps 2 \
  --max-train-samples -1 \
  --num-workers 8 \
  --gpus 0,1 \
  --save-dir "${REPO_ROOT}/sifq/checkpoints_full_v14"