-
Notifications
You must be signed in to change notification settings - Fork 72
/
run.sh
135 lines (104 loc) · 14 KB
/
run.sh
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
#!/usr/bin/bash
##########################################################
# Pseudo Label 2013
##########################################################
##=== ePseudoLabel2013v1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=epslab2013v1 --usp-weight=1.0 --soft=False --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/epslab2013v1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== ePseudoLabel2013v2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=epslab2013v2 --usp-weight=1.0 --soft=False --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/epslab2013v2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== iPseudoLabel2013v1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=ipslab2013v1 --usp-weight=1.0 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=False --save-freq=100 2>&1 | tee results/ipslab2013v1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== iPseudoLabel2013v2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=ipslab2013v2 --usp-weight=1.0 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=False --save-freq=100 2>&1 | tee results/ipslab2013v2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##########################################################
# MixUp Pseudo Label 2013
##########################################################
##=== eMixPseudoLabelv1 ===
# cifar10-4k with soft labels
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=emixpslabv1 --usp-weight=30.0 --mixup-alpha=1.0 --soft=True --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/emixpslabv1_soft_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
# cifar10-4k with hard labels
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=emixpslabv1 --usp-weight=1.0 --mixup-alpha=1.0 --soft=False --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/emixpslabv1_hard_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== eMixPseudoLabelv2 ===
# cifar10-4k with soft labels
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=emixpslabv2 --usp-weight=30. --mixup-alpha=1.0 --soft=True --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/emixpslabv2_soft_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
# cifar10-4k with hard labels
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=emixpslabv2 --usp-weight=1. --mixup-alpha=1.0 --soft=False --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/emixpslabv2_hard_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##########################################################
# VAT 2015
##########################################################
##=== VATv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=vatv1 --xi=10. --eps=5e-4 --n-power=1 --usp-weight=30.0 --drop-ratio=0.5 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=False --save-freq=0 2>&1 | tee results/vatv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== VATv2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=vatv2 --xi=10. --eps=5e-4 --n-power=1 --usp-weight=30.0 --drop-ratio=0.5 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=False --save-freq=0 2>&1 | tee results/vatv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##########################################################
# Tempens 2017
##########################################################
##=== eTempensv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=etempensv1 --usp-weight=30.0 --ema-decay=0.6 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/etempensv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== eTempensv2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=etempensv2 --usp-weight=30.0 --ema-decay=0.6 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/etempensv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== iTempensv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=itempensv1 --usp-weight=30.0 --ema-decay=0.6 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/itempensv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== iTempensv2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=itempensv2 --usp-weight=30.0 --ema-decay=0.6 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-idxs=True --save-freq=100 2>&1 | tee results/itempensv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##########################################################
# PI 2017
##########################################################
##=== PIv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=piv1 --usp-weight=30.0 --drop-ratio=0.5 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=exp-warmup --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=True --save-freq=100 2>&1 | tee results/piv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== PIv2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=piv2 --usp-weight=30.0 --drop-ratio=0.5 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=exp-warmup --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=True --save-freq=100 2>&1 | tee results/piv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##########################################################
# MeanTeacher 2017
##########################################################
##=== MeanTeacherv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=mtv1 --usp-weight=30.0 --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=True --save-freq=100 2>&1 | tee results/mtv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== MeanTeacherv2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=mtv2 --usp-weight=30.0 --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=True --save-freq=100 2>&1 | tee results/mtv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##########################################################
# ICT 2019
##########################################################
##=== ICTv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=64 --usp-batch-size=64 --num-labels=4000 --arch=cnn13 --model=ictv1 --usp-weight=30.0 --mixup-alpha=1.0 --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=True --save-freq=100 2>&1 | tee results/ictv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== ICTv2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=ictv2 --usp-weight=30.0 --mixup-alpha=1.0 --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=False --save-freq=100 2>&1 | tee results/ictv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##########################################################
# MixMatch 2019
##########################################################
##=== MixMatchv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=True --num-labels=4000 --arch=cnn13 --model=mixmatch --usp-weight=30.0 --mixup-alpha=1.0 --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=True --save-freq=100 2>&1 | tee results/mixmatchv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== MixMatchv2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=cifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=mixmatch --usp-weight=30.0 --mixup-alpha=1.0 --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=True --save-freq=0 2>&1 | tee results/mixmatchv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##########################################################
# FixMatch 2020
##########################################################
##=== iFixMatchv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=wscifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=True --num-labels=4000 --arch=cnn13 --model=ifixmatch --threshold=.95 --usp-weight=1. --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=False --save-freq=0 2>&1 | tee results/ifixmatchv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== iFixMatchv2 ===
# cifar10-4k
CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=wscifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=ifixmatch --threshold=.95 --usp-weight=1. --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=False --save-freq=0 2>&1 | tee results/ifixmatchv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== eFixMatchv1 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=wscifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=True --num-labels=4000 --arch=cnn13 --model=efixmatch --threshold=.95 --usp-weight=1. --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=False --data-idxs=True --save-freq=0 2>&1 | tee results/efixmatchv1_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt
##=== eFixMatchv2 ===
# cifar10-4k
#CUDA_VISIBLE_DEVICES=$1 python main.py --dataset=wscifar10 --sup-batch-size=100 --usp-batch-size=100 --label-exclude=False --num-labels=4000 --arch=cnn13 --model=efixmatch --threshold=.95 --usp-weight=1. --ema-decay=0.97 --optim=sgd --epochs=400 --lr=0.1 --momentum=0.9 --weight-decay=5e-4 --nesterov=True --lr-scheduler=cos --min-lr=1e-4 --rampup-length=80 --rampdown-length=50 --data-twice=False --data-idxs=True --save-freq=0 2>&1 | tee results/efixmatchv2_cifar10-4k_$(date +%y-%m-%d-%H-%M).txt