-
Notifications
You must be signed in to change notification settings - Fork 0
/
run.sh
86 lines (68 loc) · 4.11 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
# main.py -----> generate dataset once( --generate_vn --generate_pn), and fix the dataset
################# MIP/LP-based #################
python -W ignore main.py --solver_name="d_vne" --num_epochs=1 --verbose=1
python -W ignore main.py --solver_name="r_vne" --num_epochs=1 --verbose=1
################# Heuristics #################
# rank
python -W ignore main.py --solver_name='SimRank_MM' --num_epochs=1 --verbose=1
python -W ignore main.py --solver_name="RW_MM" --num_epochs=1 --verbose=1
python -W ignore main.py --solver_name='GRC_VNE' --num_epochs=1 --verbose=1
python -W ignore main.py --solver_name='NRM_VNE' --num_epochs=1 --verbose=1
# rank bfs
python -W ignore main.py --solver_name="SimRank_BFS" --num_epochs=1 --verbose=1
python -W ignore main.py --solver_name="RW_BFS" --num_epochs=1 --verbose=1
# meta-heuristic
python -W ignore main.py --solver_name="pso_vne" --num_epochs=1 --verbose=1
python -W ignore main.py --solver_name="sa_vne" --num_epochs=1 --verbose=1
################# ML-based #################
python main.py --solver_name="MaVEn" --num_epochs=1 --verbose=1
python main.py --solver_name="Neuro_ViNE" --num_epochs=1 --verbose=1
################# RL-based #################
python -W ignore main.py --solver_name="pg_cnn" --num_epochs=1 --num_pretrain_epochs=30 --verbose=1 --cuda_id 0 --decode_strategy="greedy" --eval_interval 9999
python -W ignore main.py --solver_name="CDRL" --num_epochs=1 --num_pretrain_epochs=30 --verbose=1 --cuda_id 0
python -W ignore main.py --solver_name="RL_VNE" --num_epochs=1 --num_pretrain_epochs=30 --verbose=1 --cuda_id 0
##########################################################
####### GAL-VNE
##########################################################
# GAL:
python -W ignore main.py --solver_name="gal_vne" --hidden_dim 64 --embedding_dim 64 \
--pretrain_batch_size 100 --batch_size 100 --lr 1e-3 --weight_decay 0.0 --num_layers 2 --dropout_prob 0.0 \
--num_pretrain_epochs=20 --num_train_epochs=0 --num_epochs=1 \
--learnable=2 --prefix "both" \
--l2reg_rate=1e-1 --visit_depth 10 \
--verbose=1 --cuda_id 0
# GAL w/o RL
python -W ignore main.py --solver_name="gal_vne" --hidden_dim 64 --embedding_dim 64 \
--pretrain_batch_size 100 --batch_size 100 --lr 1e-3 --weight_decay 0.0 --num_layers 2 \
--num_pretrain_epochs=10 --num_train_epochs=0 --num_epochs=1 \
--learnable=2 --prefix "both" \
--l2reg_rate=1.0 --visit_depth 10 \
--verbose=1 --cuda_id 0
# GAL w/o reg + w/o RL
python -W ignore main.py --solver_name="gal_vne" --hidden_dim 64 --embedding_dim 64 \
--pretrain_batch_size 100 --batch_size 100 --lr 1e-3 --weight_decay 0.0 --num_layers 2 \
--num_pretrain_epochs=10 --num_train_epochs=0 --num_epochs=1 \
--learnable=2 --prefix "both" \
--l2reg_rate=0 --visit_depth 10 \
--verbose=1 --cuda_id 0
##########################################################
####### Our Solvers (RL Solvers as Base)
##########################################################
# PG-CNN
python -W ignore main.py --solver_name="pg_cnn" --num_epochs=1 --num_pretrain_epochs=0 --num_train_epochs=30 --decode_strategy="greedy" \
--rl_mode --update_algo="pg" --rl_gamma 0.99 --max_grad_norm 2.0 --reward_type="mstep" \
--target_steps 500 --batch_size 250 \
--pretrained_model_path=${Trained_Model_Path} \
--verbose=1 --cuda_id 0
# CDRL
python -W ignore main.py --solver_name="CDRL" --num_epochs=1 --num_pretrain_epochs=0 --num_train_epochs=30 \
--rl_mode --update_algo="pg" --rl_gamma 0.99 --max_grad_norm 2.0 --reward_type="mstep" \
--target_steps 500 --batch_size 250 \
--pretrained_model_path=${Trained_Model_Path} \
--verbose=1 --cuda_id 0
# RL_VNE
python -W ignore main.py --solver_name="RL_VNE" --num_epochs=1 --num_pretrain_epochs=0 --num_train_epochs=30 --decode_strategy="greedy" \
--rl_mode --update_algo="pg" --rl_gamma 0.99 --max_grad_norm 2.0 --reward_type="mstep" \
--target_steps 500 --batch_size 250 \
--pretrained_model_path=${Trained_Model_Path} \
--verbose=1 --cuda_id 0