run.sh

   1 #!/bin/bash
   2
   3 # dyncnn is a deep-learning algorithm for the prediction of
   4 # interacting object dynamics
   5 #
   6 # Copyright (c) 2016 Idiap Research Institute, http://www.idiap.ch/
   7 # Written by Francois Fleuret <francois.fleuret@idiap.ch>
   8 #
   9 # This file is part of dyncnn.
  10 #
  11 # dyncnn is free software: you can redistribute it and/or modify it
  12 # under the terms of the GNU General Public License version 3 as
  13 # published by the Free Software Foundation.
  14 #
  15 # dyncnn is distributed in the hope that it will be useful, but
  16 # WITHOUT ANY WARRANTY; without even the implied warranty of
  17 # MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  18 # General Public License for more details.
  19 #
  20 # You should have received a copy of the GNU General Public License
  21 # along with dyncnn.  If not, see <http://www.gnu.org/licenses/>.
  22
  23 # This script creates the synthetic data-set for shape collision
  24
  25 set -e
  26 set -o pipefail
  27
  28 [[ "${TORCH_NB_THREADS}" ]] || echo "You can set \$TORCH_NB_THREADS to the proper value (default 1)."
  29 [[ "${TORCH_USE_GPU}" ]] || echo "You can set \$TORCH_USE_GPU to 'yes' or 'no' (default 'no')."
  30 [[ "${DYNCNN_DATA_DIR}" ]] || DYNCNN_DATA_DIR="./data/10p-mg"
  31 [[ "${DYNCNN_RESULT_DIR}" ]] || DYNCNN_RESULT_DIR="./results"
  32
  33 ######################################################################
  34 # Create the data-set if needed
  35
  36 if [[ -d "${DYNCNN_DATA_DIR}" ]]; then
  37     echo "Found ${DYNCNN_DATA_DIR}, checking the number of images in there."
  38     if [[ $(find "${DYNCNN_DATA_DIR}" -name "dyn_*.png" | wc -l) == 150000 ]]; then
  39         echo "Looks good !"
  40     else
  41         echo "I do not find the proper number of images. Please remove the dir and re-run this scripts, or fix manually."
  42         exit 1
  43     fi
  44 else
  45     # Creating the data-base
  46     make -j -k
  47     mkdir -p "${DYNCNN_DATA_DIR}"
  48     ./flatland 50000 \
  49                --every_nth 4 --nb_frames 5 \
  50                --multi_grasp --nb_shapes 10 \
  51                --dir "${DYNCNN_DATA_DIR}"
  52 fi
  53
  54 ######################################################################
  55 # Train the model (~30h on a GTX1080)
  56
  57 if [[ ! -f "${DYNCNN_RESULT_DIR}"/epoch_01000_model ]]; then
  58     ./dyncnn.lua --heavy --dataDir="${DYNCNN_DATA_DIR}" \
  59                  --resultFreq=100 \
  60                  --resultDir "${DYNCNN_RESULT_DIR}" \
  61                  --nbEpochs 1000
  62 fi
  63
  64 ######################################################################
  65 # Create the images of internal activations
  66
  67 for n in 2 12; do
  68     ./dyncnn.lua --heavy --dataDir=./data/10p-mg/ \
  69                  --learningStateFile="${DYNCNN_RESULT_DIR}"/epoch_01000_model \
  70                  --resultDir="${DYNCNN_RESULT_DIR}" \
  71                  --noLog \
  72                  --exampleInternals=${n}
  73 done
  74
  75 ######################################################################
  76 # Plot the loss curves if gnuplot is here
  77
  78 if [[ $(which gnuplot) ]]; then
  79     echo "Plotting losses.pdf."
  80
  81     TERMINAL="pdfcairo color transparent enhanced font \"Times,14\""
  82     EXTENSION="pdf"
  83
  84     gnuplot <<EOF
  85 set terminal ${TERMINAL}
  86 set output "${DYNCNN_RESULT_DIR}/losses.${EXTENSION}"
  87 set logscale x
  88 set logscale y
  89 set size ratio 0.75
  90 set xlabel "Number of epochs"
  91 set ylabel "Loss"
  92 plot '< grep "LOSS " "${DYNCNN_RESULT_DIR}"/log' using 2:4 with l lw 3 lc rgb '#c0c0ff' title 'Validation loss',\
  93      '< grep "LOSS " "${DYNCNN_RESULT_DIR}"/log' using 2:3 with l lw 1 lc rgb '#000000' title 'Train loss'
  94
  95 EOF
  96
  97 fi
  98
  99 ######################################################################