forked from gjzheng93/frap-pub
-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathrun_batch.py
executable file
·58 lines (48 loc) · 2.34 KB
/
run_batch.py
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
import runexp
import testexp
import summary
import argparse
import os
import time
def parse_args():
parser = argparse.ArgumentParser()
parser.add_argument("--memo", type=str, default="default")
parser.add_argument("--algorithm", type=str, default="TransferDQN")
parser.add_argument("--num_phase", type=int, default=8)
parser.add_argument("--rotation", action="store_true")
parser.add_argument("--run_round", type=int, default=200)
parser.add_argument("--done", action="store_true")
parser.add_argument("--priority", action="store_true")
parser.add_argument("--rotation_input", action="store_true")
parser.add_argument("--conflict_matrix", action="store_true")
parser.add_argument("--run_counts", type=int, default=3600)
parser.add_argument("--test_run_counts", type=int, default=3600)
parser.add_argument("--sample_size", type=int, default=1000)
parser.add_argument("--epochs", type=int, default=100)
parser.add_argument("--learning_rate", type=float, default=0.001)
parser.add_argument("--lr_decay", type=float, default=0.98)
parser.add_argument("--min_lr", type=float, default=0.001)
parser.add_argument("--update_q_bar_every_c_round", type=bool, default=False)
parser.add_argument("--early_stop_loss", type=str, default="val_loss")
parser.add_argument("--dropout_rate", type=float, default=0)
parser.add_argument("--replay", action="store_true")
parser.add_argument("--debug", action="store_true")
parser.add_argument("--sumo_gui", action="store_true")
parser.add_argument("--min_action_time", type=int, default=10)
parser.add_argument("--workers", type=int, default=7)
parser.add_argument("--visible_gpu", type=str, default="")
return parser.parse_args()
if __name__ == "__main__":
args = parse_args()
#memo = "multi_phase/optimal_search_new/new_headway_anon"
memo = args.memo
os.environ["CUDA_VISIBLE_DEVICES"] = args.visible_gpu
t1 = time.time()
runexp.main(args, memo)
print("****************************** runexp ends (generate, train, test)!! ******************************")
t2 = time.time()
f_timing = open(os.path.join("records", memo, "timing.txt"), "a+")
f_timing.write(str(t2-t1)+'\n')
f_timing.close()
summary.main(memo)
print("****************************** summary_detail ends ******************************")