-
Notifications
You must be signed in to change notification settings - Fork 4
/
run_all_CIFAR100-LT.sh
executable file
·156 lines (138 loc) · 9.14 KB
/
run_all_CIFAR100-LT.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
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
# CIFAR100_LT
# Table 4
#----------------------------------------------------------
# Baseline
# -[x] CE (0.1) # Pre-requisite: None
# -[x] CosineCE (0.2) # Pre-requisite: None
#----------------------------------------------------------
# Decouple
# -[x] cRT (0.3) # Pre-requisite: Experiment "0.1"
#----------------------------------------------------------
# Distillation
# -[x] CBD (0.4) # Pre-requisite: Experiment "0.2" but with seeds 10, 20, 30
# For repo specific to CBD paper with much more detailed instructions, check https://github.com/rahulvigneswaran/Class-Balanced-Distillation-for-Long-Tailed-Visual-Recognition.pytorch
#----------------------------------------------------------
# Generation
# -[x] MODALS (0.5) # Pre-requisite: Experiment "0.1"
#----------------------------------------------------------
# Ours
# -[x] CosineCE + TailCalib (1.2) # Pre-requisite: Experiment "0.2"
# -[x] CosineCE + TailCalibX (2.2) # Pre-requisite: Experiment "0.2"
# -[x] CBD + TailCalibX (2.4) # Pre-requisite: Experiment "0.4"
#----------------------------------------------------------
#----Cifar100_LT
actual_dataset=1
#----CE
experiment_no=0.1
for seeds in 1 2 3
do
python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=1 --seed=$seeds --train &
python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=2 --seed=$seeds --train &
python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=3 --seed=$seeds --train &
done
wait
# ----CosineCE
experiment_no=0.2
for seeds in 1 2 3 10 20 30
do
python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=1 --seed=$seeds --train &
python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=2 --seed=$seeds --train &
python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=3 --seed=$seeds --train &
done
wait
#----cRT
experiment_no=0.3
for seeds in 1 2 3
do
python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=1 --seed=$seeds --train &
python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=2 --seed=$seeds --train &
python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=3 --seed=$seeds --train &
done
wait
#----CBD
experiment_no=0.4
for seeds in 1 2 3
do
python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=1 --seed=$seeds --cv1=0.8 --cv2=100 --train &
python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=2 --seed=$seeds --cv1=0.8 --cv2=200 --train &
python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=3 --seed=$seeds --cv1=0.8 --cv2=100 --train &
done
wait
#----MODALS
experiment_no=0.5
for seeds in 1 2 3
do
python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=1 --seed=$seeds --cv1=0.01 --generate --retraining &
python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=2 --seed=$seeds --cv1=0.01 --generate --retraining &
python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=3 --seed=$seeds --cv1=0.01 --generate --retraining &
done
wait
#----CosineCE + TailCalib
experiment_no=1.2
for imb in 1
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --generate --retraining &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --generate --retraining &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --generate --retraining &
done
wait
for imb in 2
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --generate --retraining &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --generate --retraining &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --generate --retraining &
done
wait
for imb in 3
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --generate --retraining &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --generate --retraining &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --generate --retraining &
done
wait
#----CosineCE + TailCalibX
experiment_no=2.2
for imb in 1
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --train &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --train &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --train &
done
wait
for imb in 2
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --train &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --train &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --train &
done
wait
for imb in 3
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --train &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --train &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --train &
done
wait
#----CBD + TailCalibX
experiment_no=2.4
for imb in 1
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --train &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --train &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=1.0 --cv2=0.01 --cv3=0.7 --cv4=0.0 --cv5=3 --train &
done
wait
for imb in 2
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --train &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --train &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=0.9 --cv2=0.01 --cv3=0.0 --cv4=0.2 --cv5=3 --train &
done
wait
for imb in 3
do
taskset --cpu-list 10-19 python main.py --experiment=$experiment_no --gpu="1" --dataset=$actual_dataset --imbalance=$imb --seed=1 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --train &
taskset --cpu-list 20-29 python main.py --experiment=$experiment_no --gpu="2" --dataset=$actual_dataset --imbalance=$imb --seed=2 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --train &
taskset --cpu-list 30-39 python main.py --experiment=$experiment_no --gpu="3" --dataset=$actual_dataset --imbalance=$imb --seed=3 --cv1=0.9 --cv2=0.01 --cv3=0.9 --cv4=0.0 --cv5=2 --train &
done
#--------------------------------------------------- Paper experiments end here