train_eval_gref.sh

python train_cma_recon.py --data_name coco --margin 0.1 --img_num_embeds 36 --txt_num_embeds 1 --img_finetune --txt_finetune --batch_size 32 --warm_epoch 0 --num_epochs 50 --optimizer adamw --lr_scheduler cosine --lr_step_size 20 --lr_step_gamma 0.1 --warm_img --log_step 200 --agg_pos_enc sine --lr 1e-5 --txt_lr_scale 1 --img_spm_lr_scale 1 --img_lr_scale 0.1 --eval_on_gpu --sync_bn --amp --agg_activation gelu --agg_query_self_attns 0 --agg_latent_head 4 --agg_latent_dim 128 --agg_ff_mult 4 --agg_last_fc --agg_last_ln --agg_pre_norm --agg_cross_head 4 --agg_cross_dim 256 --agg_depth 6 --agg_weight_sharing --agg_input_dim 512 --agg_query_dim 512 --embed_dim 512 --remark publish_gref --agg_self_per_cross_attn 1 --recon_weight 1 --agg_query_type entity --cascade_factor 3 --data_path ./data/refcoco/Gref --agg_cross_attn_type slot --workers 4 --grad_clip 0.1 --dropout 0.1 --txt_pooling cls --weight_decay 1e-4 --crop_size 384 --pseudo_threshold 0.5 --cma_heads 4 --cma_head_dim 256 --cma_criterion info_nce --cma_detach_target --lr_warmup_iter 5000 --seed 1 --num_layers 12 --agg_var_scaling 1 --decoder_normalizer softmax

python eval_cma_recon.py --data_name coco --margin 0.1 --img_num_embeds 36 --txt_num_embeds 1 --img_finetune --txt_finetune --batch_size 32 --warm_epoch 0 --num_epochs 50 --optimizer adamw --lr_scheduler cosine --lr_step_size 20 --lr_step_gamma 0.1 --warm_img --log_step 200 --agg_pos_enc sine --lr 1e-5 --txt_lr_scale 1 --img_spm_lr_scale 1 --img_lr_scale 0.1 --eval_on_gpu --sync_bn --amp --agg_activation gelu --agg_query_self_attns 0 --agg_latent_head 4 --agg_latent_dim 128 --agg_ff_mult 4 --agg_last_fc --agg_last_ln --agg_pre_norm --agg_cross_head 4 --agg_cross_dim 256 --agg_depth 6 --agg_weight_sharing --agg_input_dim 512 --agg_query_dim 512 --embed_dim 512 --remark publish_gref --agg_self_per_cross_attn 1 --recon_weight 1 --agg_query_type entity --cascade_factor 3 --data_path ./data/refcoco/Gref --agg_cross_attn_type slot --workers 4 --grad_clip 0.1 --dropout 0.1 --txt_pooling cls --weight_decay 1e-4 --crop_size 384 --pseudo_threshold 0.5 --cma_heads 4 --cma_head_dim 256 --cma_criterion info_nce --cma_detach_target --lr_warmup_iter 5000 --seed 1 --num_layers 12 --agg_var_scaling 1 --decoder_normalizer softmax