Skip to content

Latest commit

 

History

History
41 lines (28 loc) · 2.91 KB

experiments.md

File metadata and controls

41 lines (28 loc) · 2.91 KB
Raw

#File to reproduce all experiments

State Automatons

GOL

GraphFSA: python train-gol.py --batch_size=1 --epochs=5 --learning_rate=0.5 --patience=2 --seed=42 --states_n=2 --toroidal=True --grid_size=4 --steps=1 --model=graphfsa RecGNN: python train-gol.py --batch_size=32 --epochs=5 --learning_rate=0.001 --patience=2 --clip=True --seed=42 --states_n=2 --toroidal=True --grid_size=4 --steps=1 --model=recgnn GNCA:: python train-gol.py --batch_size=32 --epochs=5 --learning_rate=0.001 --patience=2 --clip=True --seed=42 --states_n=2 --toroidal=True --grid_size=4 --steps=1 --model=gnca

GraphChef: python train-gol.py --batch_size=64 --epochs=250 --learning_rate=0.0006 --patience=20 --clip=True --seed=42 --states_n=2 --toroidal=True --grid_size=4 --steps=1 --model=graphchef (0, loss but not during inf)

1D

GraphFSA: python train-1dca.py --batch_size=1 --epochs=5 --learning_rate=0.5 --patience=2 --seed=42 --states_n=2 --grid_size=4 --steps=1 --model=graphfsa RecGNN: python train-1dca.py --batch_size=32 --epochs=50 --learning_rate=0.001 --patience=2 --clip=True --seed=42 --states_n=2 --grid_size=4 --steps=1 --model=recgnn (trains ok, doesnt fit perfect, i think it cant bc of aggregation) GNCA: python train-1dca.py --batch_size=32 --epochs=50 --learning_rate=0.001 --patience=2 --clip=True --seed=42 --states_n=2 --grid_size=4 --steps=1 --model=gnca (also reaches ~85%) GraphChef: ``

Wireworld

GraphFSA: python train-wireworld.py --batch_size=1 --epochs=5 --learning_rate=0.5 --patience=2 --seed=42 --states_n=4 --grid_size=4 --steps=1 --model=graphfsa RecGNN: python train-wireworld.py --batch_size=32 --epochs=50 --learning_rate=0.001 --patience=2 --clip=True --seed=42 --states_n=4 --grid_size=4 --steps=1 --model=recgnn GNCA: python train-wireworld.py --batch_size=32 --epochs=50 --learning_rate=0.001 --patience=5 --clip=True --seed=42 --states_n=4 --grid_size=4 --steps=1 --model=gnca (tops out at ~95 percent)

GraphChef: ``

GRAB

GraphFSA: python train_graphfsa.py --batch_size=1 --epochs=20 --learning_rate=0.25 --patience=2 --seed=42 --states=4 GraphFSA: python train_graphfsa.py --batch_size=1 --epochs=20 --learning_rate=0.25 --patience=2 --seed=42 --states=6 RecGNN: python train_baseline.py --batch_size=32 --epochs=100 --learning_rate=0.001 --patience=10 --clip=True --seed=42 --model=recgnn GNCA: python train_baseline.py --batch_size=32 --epochs=100 --learning_rate=0.001 --patience=10 --clip=True --seed=42 --model=gnca --steps=5 (doesn't work)

GraphChef: ``

Algorithms

GraphFSA: python train.py --batch_size=1 --epochs=10 --learning_rate=0.25 --patience=2 --seed=42 --dataset=PrefixSum RecGNN: python train_baselines.py --batch_size=32 --epochs=20 --learning_rate=0.001 --patience=5 --seed=42 --dataset=Distance --model=recgnn GNCA: python train_baselines.py --batch_size=32 --epochs=20 --learning_rate=0.001 --patience=5 --seed=42 --dataset=Distance --model=gnca

GraphChef: ``