From a1155f5d4e6e50ca23491019677a0ad303926670 Mon Sep 17 00:00:00 2001 From: hasslesstech Date: Tue, 18 Nov 2025 16:08:01 +0200 Subject: [PATCH] save 3 [built] --- test.py | 114 +------------------------------------------------------- 1 file changed, 1 insertion(+), 113 deletions(-) diff --git a/test.py b/test.py index d280894..7b41960 100644 --- a/test.py +++ b/test.py @@ -126,115 +126,6 @@ def generate_finish(i): return kl.Dense(TOUT_AMNT)(f5) -''' -def generate_inception_model(a = 5, b = 4, c = 2): - # start - i = kl.Input(shape = (300, 300, 3)) - - r1 = kl.Conv2D(CONV_SIZE, (3, 3), padding = 'same', activation = 'relu')(i) - r2 = kl.Conv2D(CONV_SIZE, (5, 5), padding = 'same', activation = 'relu')(r1) - r3 = kl.Conv2D(CONV_SIZE, (7, 7), padding = 'same', activation = 'relu')(r2) - - m1 = kl.MaxPooling2D((3, 3))(r3) - - r4 = kl.Conv2D(CONV_SIZE, (3, 3), padding = 'same', activation = 'relu')(m1) - r5 = kl.Conv2D(CONV_SIZE, (5, 5), padding = 'same', activation = 'relu')(r4) - - ia0 = kl.MaxPooling2D((2, 2))(r5) - - # a types - for k in range(a): - exec(f"ia{k}_1_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(ia{k})") - - exec(f"ia{k}_3_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(ia{k})") - exec(f"ia{k}_3_2 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(ia{k}_3_1)") - - exec(f"ia{k}_5_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(ia{k})") - exec(f"ia{k}_5_2 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(ia{k}_5_1)") - exec(f"ia{k}_5_3 = kl.Conv2D(CONV_SIZE, (5, 1), padding = 'same', activation = 'relu')(ia{k}_5_2)") - - exec(f"ia{k}_7_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(ia{k})") - exec(f"ia{k}_7_2 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(ia{k}_7_1)") - exec(f"ia{k}_7_3 = kl.Conv2D(CONV_SIZE, (5, 1), padding = 'same', activation = 'relu')(ia{k}_7_2)") - exec(f"ia{k}_7_4 = kl.Conv2D(CONV_SIZE, (7, 1), padding = 'same', activation = 'relu')(ia{k}_7_3)") - - exec(f"ia{k+1} = kl.Concatenate()([ia{k}_1_1, ia{k}_3_2, ia{k}_5_3, ia{k}_7_4])") - - # grid size reductor 1 - iab_1 = kl.Conv2D(CONV_SIZE, (5, 1), padding = 'same', activation = 'relu', strides = (2,2))(eval(f"ia{a}")) - - iab_2 = kl.Conv2D(CONV_SIZE, (5, 1), padding = 'same', activation = 'relu')(eval(f"ia{a}")) - iab_3 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(iab_2) - iab_4 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu', strides = (2,2))(iab_3) - - iab_5 = kl.MaxPooling2D((2, 2), padding = 'same')(eval(f"ia{a}")) - - iab_6 = kl.Concatenate()([iab_1, iab_4, iab_5]) - - # b types - for k in range(b): - exec(f"ib{k}_1_1 = kl.MaxPooling2D((2, 2), padding = 'same')(iab_6)") - exec(f"ib{k}_1_2 = kl.Conv2D(CONV_SIZE, (1, 1), strides = (2,2), padding = 'same', activation = 'relu')(i)") - - exec(f"ib{k}_3_1 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(iab_6)") - - exec(f"ib{k}_5_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(iab_6)") - exec(f"ib{k}_5_2 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(ib{k}_5_1)") - exec(f"ib{k}_5_3 = kl.Conv2D(CONV_SIZE, (5, 1), padding = 'same', activation = 'relu')(ib{k}_5_2)") - - exec(f"ib{k}_7_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(iab_6)") - exec(f"ib{k}_7_2 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(ib{k}_7_1)") - exec(f"ib{k}_7_3 = kl.Conv2D(CONV_SIZE, (5, 1), padding = 'same', activation = 'relu')(ib{k}_7_2)") - exec(f"ib{k}_7_4 = kl.Conv2D(CONV_SIZE, (7, 1), padding = 'same', activation = 'relu')(ib{k}_7_3)") - - exec(f"ib{k+1} = kl.Concatenate()([ib{k}_1_2, ib{k}_3_2, ib{k}_5_3, ib{k}_7_4])") - - # grid size reductor 2 - - # c types - for k in range(c): - exec(f"ic{k}_1_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(i{'b' if k else 'a'}{k if k else a})") - - exec(f"ic{k}_3_1 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(i{'b' if k else 'a'}{k if k else a})") - - exec(f"ic{k}_5_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(i{'b' if k else 'a'}{k if k else a})") - exec(f"ic{k}_5_2 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(ib{k}_5_1)") - exec(f"ic{k}_5_3 = kl.Conv2D(CONV_SIZE, (5, 1), padding = 'same', activation = 'relu')(ib{k}_5_2)") - - exec(f"ic{k}_7_1 = kl.Conv2D(CONV_SIZE, (1, 1), padding = 'same', activation = 'relu')(i{'b' if k else 'a'}{k if k else a})") - exec(f"ic{k}_7_2 = kl.Conv2D(CONV_SIZE, (3, 1), padding = 'same', activation = 'relu')(ib{k}_7_1)") - exec(f"ic{k}_7_3 = kl.Conv2D(CONV_SIZE, (5, 1), padding = 'same', activation = 'relu')(ib{k}_7_2)") - exec(f"ic{k}_7_4 = kl.Conv2D(CONV_SIZE, (7, 1), padding = 'same', activation = 'relu')(ib{k}_7_3)") - - exec(f"ib{k+1} = kl.Concatenate()([ib{k}_1_1, ib{k}_3_2, ib{k}_5_3, ib{k}_7_4])") - - # mppt - - o = eval(f"ic{c}") - return tf.keras.Model(inputs = i, outputs = o) -''' - - -''' -a_i = l.Input(shape = (300, 300, 3)) - -a_1_1 = l.Conv2D(1024, (1, 1), padding = 'same', activation = 'relu')(a_i) - -a_3_1 = l.Conv2D(1024, (1, 1), padding = 'same', activation = 'relu')(a_i) -a_3_2 = l.Conv2D(1024, (3, 1), padding = 'same', activation = 'relu')(a_3_1) - -a_5_1 = l.Conv2D(1024, (1, 1), padding = 'same', activation = 'relu')(a_i) -a_5_2 = l.Conv2D(1024, (5, 1), padding = 'same', activation = 'relu')(a_5_1) - -a_7_1 = l.Conv2D(1024, (1, 1), padding = 'same', activation = 'relu')(a_i) -a_7_2 = l.Conv2D(1024, (7, 1), padding = 'same', activation = 'relu')(a_7_1) - -a_o = l.Concatenate()([a_1_1, a_3_2, a_5_2, a_7_2]) - -inception_type_a = [a_i, a_o] - -tf.keras.Model(*inception_type_a) -''' gi = kl.Input((300, 300, 3)) @@ -257,10 +148,7 @@ for _ in range(2): go = generate_finish(go) -r = kl.Concatenate()([uo, go]) - - -mod = k.Model(inputs = gi, outputs = r) +mod = k.Model(inputs = gi, outputs = [go, uo]) mod.summary() mod.compile(optimizer = ko.Lion(learning_rate = 0.001))