Files
mamba_diffusion/main.py
2026-01-21 15:14:04 +08:00

64 lines
2.4 KiB
Python

import argparse
from as_mamba import TrainConfig, run_training_and_plot
def build_parser() -> argparse.ArgumentParser:
parser = argparse.ArgumentParser(description="Train AS-Mamba on sphere-to-sphere flow.")
parser.add_argument("--epochs", type=int, default=None)
parser.add_argument("--batch-size", type=int, default=None)
parser.add_argument("--steps-per-epoch", type=int, default=None)
parser.add_argument("--seq-len", type=int, default=None)
parser.add_argument("--lr", type=float, default=None)
parser.add_argument("--device", type=str, default=None)
parser.add_argument("--output-dir", type=str, default=None)
parser.add_argument("--project", type=str, default=None)
parser.add_argument("--run-name", type=str, default=None)
parser.add_argument("--dt-alpha", type=float, default=None)
parser.add_argument("--dt-min", type=float, default=None)
parser.add_argument("--dt-max", type=float, default=None)
parser.add_argument("--lambda-flow", type=float, default=None)
parser.add_argument("--lambda-pos", type=float, default=None)
parser.add_argument("--lambda-dt", type=float, default=None)
parser.add_argument(
"--use-flow-loss",
action=argparse.BooleanOptionalAction,
default=None,
)
parser.add_argument(
"--use-pos-loss",
action=argparse.BooleanOptionalAction,
default=None,
)
parser.add_argument(
"--use-dt-loss",
action=argparse.BooleanOptionalAction,
default=None,
)
parser.add_argument("--val-every", type=int, default=None)
parser.add_argument("--val-samples", type=int, default=None)
parser.add_argument("--val-plot-samples", type=int, default=None)
parser.add_argument("--val-max-steps", type=int, default=None)
parser.add_argument("--center-min", type=float, default=None)
parser.add_argument("--center-max", type=float, default=None)
parser.add_argument("--center-distance-min", type=float, default=None)
parser.add_argument("--use-residual", action="store_true")
return parser
def main() -> None:
parser = build_parser()
args = parser.parse_args()
cfg = TrainConfig()
for key, value in vars(args).items():
if value is not None:
setattr(cfg, key.replace("-", "_"), value)
plot_path = run_training_and_plot(cfg)
print(f"Saved trajectory plot to {plot_path}")
if __name__ == "__main__":
main()