-
Notifications
You must be signed in to change notification settings - Fork 1
/
Copy pathtable2.sh
130 lines (109 loc) · 14.5 KB
/
table2.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
DATA_ROOT = <ENTER_YOUR_DATA_ROOT_HERE>
#################################### CUB ####################################
# ===================> Triplet [S] <===================
# baseline
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 5 --bs 112 --samples_per_class 2 --loss triplet --batch_mining semihard --arch resnet50_frozen_triplet_semihard_normalize_300epoch_200_250
# baseline + DAS
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 5 --bs 112 --samples_per_class 2 --loss triplet --batch_mining semihard --arch resnet50_frozen_triplet_semihard_normalize_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
# ===================> Triplet [D] <===================
# baseline
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 3 --bs 112 --samples_per_class 2 --loss triplet --batch_mining distance --arch resnet50_frozen_normalize_triplet_distance_300epoch_200_250
# baseline + DAS
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 3 --bs 112 --samples_per_class 2 --loss triplet --batch_mining distance --arch resnet50_frozen_normalize_triplet_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
# ===================> Contrastive [D] <===================
# baseline
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 4 --bs 112 --samples_per_class 2 --loss contrastive --batch_mining distance --arch resnet50_frozen_normalize_contrastive_distance_300epoch_200_250
# baseline + DAS
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 4 --bs 112 --samples_per_class 2 --loss contrastive --batch_mining distance --arch resnet50_frozen_normalize_contrastive_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
# ===================> Margin <===================
# baseline
python -u main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 4 --bs 112 --samples_per_class 2 --loss margin --batch_mining distance --arch resnet50_frozen_normalize_margin_distance_300epoch_200_250
# baseline + DAS
python -u main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 4 --bs 112 --samples_per_class 2 --loss margin --batch_mining distance --arch resnet50_frozen_normalize_margin_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
# ===================> GenLifted <===================
# baseline
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 3 --bs 112 --samples_per_class 2 --loss lifted --batch_mining lifted --arch resnet50_frozen_lifted_300epoch_200_250
# baseline + DAS
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 3 --bs 112 --samples_per_class 2 --loss lifted --batch_mining lifted --arch resnet50_frozen_lifted_300epoch_200_250_embeddingProducer_DAS_notNorm --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach --das_not_normalize
# ===================> N-Pair <===================
# baseline
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 1 --bs 112 --samples_per_class 2 --loss npair --batch_mining npair --arch resnet50_frozen_npair_300epoch_200_250
# baseline + DAS
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 1 --bs 112 --samples_per_class 2 --loss npair --batch_mining npair --arch resnet50_frozen_npair_300epoch_200_250_embeddingProducer_DAS_notNorm --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach --das_not_normalize
# ===================> MS <===================
# baseline
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 5 --bs 112 --samples_per_class 2 --loss multisimilarity --arch resnet50_frozen_normalize_multiSim_300epoch_200_250
# baseline + DAS
python main.py --dataset cub200 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 5 --bs 112 --samples_per_class 2 --loss multisimilarity --arch resnet50_frozen_normalize_multiSim_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
#################################### CARS ####################################
# ===================> Triplet [S] <===================
# baseline
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 4 --bs 112 --samples_per_class 2 --loss triplet --batch_mining semihard --arch resnet50_frozen_triplet_semihard_normalize_300epoch_200_250
# baseline + DAS
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 4 --bs 112 --samples_per_class 2 --loss triplet --batch_mining semihard --arch resnet50_frozen_triplet_semihard_normalize_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
# ===================> Triplet [D] <===================
# baseline
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 2 --bs 112 --samples_per_class 2 --loss triplet --batch_mining distance --arch resnet50_frozen_normalize_triplet_distance_300epoch_200_250
# baseline + DAS
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 2 --bs 112 --samples_per_class 2 --loss triplet --batch_mining distance --arch resnet50_frozen_normalize_triplet_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
# ===================> Contrastive [D] <===================
# baseline
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 5 --bs 112 --samples_per_class 2 --loss contrastive --batch_mining distance --arch resnet50_frozen_normalize_contrastive_distance_300epoch_200_250
# baseline + DAS
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 5 --bs 112 --samples_per_class 2 --loss contrastive --batch_mining distance --arch resnet50_frozen_normalize_contrastive_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
# ===================> Margin <===================
# baseline
python -u main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 6 --bs 112 --samples_per_class 2 --loss margin --batch_mining distance --arch resnet50_frozen_normalize_margin_distance_300epoch_200_250
# baseline + DAS
python -u main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 6 --bs 112 --samples_per_class 2 --loss margin --batch_mining distance --arch resnet50_frozen_normalize_margin_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
# ===================> GenLifted <===================
# baseline
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 2 --bs 112 --samples_per_class 2 --loss lifted --batch_mining lifted --arch resnet50_frozen_lifted_300epoch_200_250
# baseline + DAS
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 2 --bs 112 --samples_per_class 2 --loss lifted --batch_mining lifted --arch resnet50_frozen_lifted_300epoch_200_250_embeddingProducer_DAS_notNorm --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach --das_not_normalize
# ===================> N-Pair <===================
# baseline
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 7 --bs 112 --samples_per_class 2 --loss npair --batch_mining npair --arch resnet50_frozen_npair_300epoch_200_250
# baseline + DAS
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 7 --bs 112 --samples_per_class 2 --loss npair --batch_mining npair --tau 200 250 --arch resnet50_frozen_npair_300epoch_200_250_embeddingProducer_DAS_notNorm --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach --das_not_normalize
# ===================> MS <===================
# baseline
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 3 --bs 112 --samples_per_class 2 --loss multisimilarity --arch resnet50_frozen_normalize_multiSim_300epoch_200_250
# baseline + DAS
python main.py --dataset cars196 --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 3 --bs 112 --samples_per_class 2 --loss multisimilarity --arch resnet50_frozen_normalize_multiSim_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --detach
#################################### SOP ####################################
# ===================> Triplet [S] <===================
# baseline
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 0 --bs 112 --samples_per_class 2 --loss triplet --batch_mining semihard --arch resnet50_frozen_normalize_triplet_semihard_300epoch_200_250
# baseline + DAS
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 0 --bs 112 --samples_per_class 2 --loss triplet --batch_mining semihard --arch resnet50_frozen_normalize_triplet_semihard_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_mts_scale 0.1 --aux_loss --detach
# ===================> Triplet [D] <===================
# baseline
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 1 --bs 112 --samples_per_class 2 --loss triplet --batch_mining distance --arch resnet50_frozen_normalize_triplet_distance_300epoch_200_250
# baseline + DAS
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 1 --bs 112 --samples_per_class 2 --loss triplet --batch_mining distance --arch resnet50_frozen_normalize_triplet_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_mts_scale 0.1 --aux_loss --detach
# ===================> Contrastive [D] <===================
# baseline
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 2 --bs 112 --samples_per_class 2 --loss contrastive --batch_mining distance --arch resnet50_frozen_normalize_contrastive_distance_300epoch_200_250
# baseline + DAS
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 2 --bs 112 --samples_per_class 2 --loss contrastive --batch_mining distance --arch resnet50_frozen_normalize_contrastive_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_mts_scale 0.1
# ===================> Margin <===================
# baseline
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 7 --bs 112 --samples_per_class 2 --loss margin --batch_mining distance --arch resnet50_frozen_normalize_margin_distance_300epoch_200_250
# baseline + DAS
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 7 --bs 112 --samples_per_class 2 --loss margin --batch_mining distance --arch resnet50_frozen_normalize_margin_distance_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS
# ===================> GenLifted <===================
# baseline
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 4 --bs 112 --samples_per_class 2 --loss lifted --batch_mining lifted --arch resnet50_frozen_lifted_300epoch_200_250
# baseline + DAS
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 4 --bs 112 --samples_per_class 2 --loss lifted --batch_mining lifted --arch resnet50_frozen_lifted_300epoch_200_250_embeddingProducer_DAS_notNorm --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --das_mts_scale 0.1 --das_not_normalize
# ===================> N-Pair <===================
# baseline
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 5 --bs 112 --samples_per_class 2 --loss npair --batch_mining npair --arch resnet50_frozen_npair_300epoch_200_250
# baseline + DAS
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 5 --bs 112 --samples_per_class 2 --loss npair --batch_mining npair --arch resnet50_frozen_npair_300epoch_200_250_embeddingProducer_DAS_notNorm --embedding_producer_used --produce_type DAS --das_dfs_scale_left 0.99 --das_dfs_scale_right 1.01 --das_mts_scale 0.1 --das_not_normalize
# ===================> MS <===================
# baseline
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 6 --bs 112 --samples_per_class 2 --loss multisimilarity --arch resnet50_frozen_normalize_multiSim_300epoch_200_250
# baseline + DAS
python -u main.py --dataset online_products --kernels 6 --source $DATA_ROOT --n_epochs 300 --tau 200 250 --seed 0 --gpu 6 --bs 112 --samples_per_class 2 --loss multisimilarity --arch resnet50_frozen_normalize_multiSim_300epoch_200_250_embeddingProducer_DAS --embedding_producer_used --produce_type DAS --das_mts_scale 0.1