def parse_args():
parser = argparse.ArgumentParser()
parser.add_argument('--problem-path', type=str, default='data/dblp2/')
parser.add_argument('--problem', type=str, default='dblp')
parser.add_argument('--no-cuda', action="store_true", default=False)
# Optimization params
parser.add_argument('--batch-size', type=int, default=99999)
parser.add_argument('--epochs', type=int, default=10000)
parser.add_argument('--lr-init', type=float, default=0.001)
parser.add_argument('--lr-schedule', type=str, default='constant')
parser.add_argument('--weight-decay', type=float, default=1e-4)
parser.add_argument('--dropout', type=float, default=0.5)
parser.add_argument('--batchnorm', action="store_true")
parser.add_argument('--tolerance', type=int, default=100)
parser.add_argument('--attn-dropout', type=float, default=0)
# Architecture params
parser.add_argument('--sampler-class',
type=str,
default='sparse_uniform_neighbor_sampler')
parser.add_argument('--prep-class', type=str,
default='linear') # linear,identity
parser.add_argument('--prep-len', type=int, default=128)
parser.add_argument('--in-edge-len', type=int, default=16)
parser.add_argument('--aggregator-class', type=str, default='sum')
parser.add_argument('--edge-aggr-class', type=str, default='sum')
parser.add_argument('--mpaggr-class', type=str, default='attention')
parser.add_argument('--concat-node', action="store_true", default=False)
parser.add_argument('--concat-edge', action="store_true")
parser.add_argument('--n-head', type=int, default=4)
parser.add_argument('--k', type=int, default=10)
# parser.add_argument('--n-train-samples', type=str, default='600,600')
# parser.add_argument('--n-val-samples', type=str, default='600,600')
parser.add_argument('--output-dims', type=str, default='64,32,32,32')
parser.add_argument('--n-layer', type=int, default='2')
parser.add_argument('--train-per', type=float, default=0.4)
# Logging
parser.add_argument('--log-interval', default=1, type=int)
parser.add_argument('--seed', default=0, type=int)
parser.add_argument('--show-test', action="store_true")
# --
# Validate args
args = parser.parse_args()
args.cuda = not args.no_cuda
assert args.prep_class in prep_lookup.keys(
), 'parse_args: prep_class not in %s' % str(prep_lookup.keys())
assert args.aggregator_class in aggregator_lookup.keys(
), 'parse_args: aggregator_class not in %s' % str(aggregator_lookup.keys())
assert args.batch_size > 1, 'parse_args: batch_size must be > 1'
return args
def parse_args():
parser = argparse.ArgumentParser()
parser.add_argument('--problem-path', type=str, required=True)
parser.add_argument('--no-cuda', action="store_true")
# Optimization params
parser.add_argument('--batch-size', type=int, default=512)
parser.add_argument('--epochs', type=int, default=10)
parser.add_argument('--lr-init', type=float, default=0.01)
parser.add_argument('--lr-schedule', type=str, default='constant')
parser.add_argument('--weight-decay', type=float, default=0.0)
# Architecture params
parser.add_argument('--sampler-class',
type=str,
default='uniform_neighbor_sampler')
parser.add_argument('--aggregator-class', type=str, default='mean')
parser.add_argument('--prep-class', type=str, default='identity')
parser.add_argument('--n-train-samples', type=str, default='25,10')
parser.add_argument('--n-val-samples', type=str, default='25,10')
parser.add_argument('--output-dims', type=str, default='128,128')
# Logging
parser.add_argument('--log-interval', default=10, type=int)
parser.add_argument('--seed', default=123, type=int)
parser.add_argument('--show-test', action="store_true")
# Use quantum walk
parser.add_argument("--quantum-walk", type=bool, default=False)
# --
# Validate args
args = parser.parse_args()
args.cuda = not args.no_cuda
assert args.prep_class in prep_lookup.keys(
), 'parse_args: prep_class not in %s' % str(prep_lookup.keys())
assert args.aggregator_class in aggregator_lookup.keys(
), 'parse_args: aggregator_class not in %s' % str(aggregator_lookup.keys())
assert args.batch_size > 1, 'parse_args: batch_size must be > 1'
return args
def parse_args():
parser = argparse.ArgumentParser()
parser.add_argument('--problem-path',
type=str,
default='../../../LineGraphGCN/data/dblp2/')
parser.add_argument('--problem', type=str, default='dblp')
parser.add_argument('--no-cuda', action="store_true", default=False)
# Optimization params
parser.add_argument('--batch-size', type=int, default=64)
parser.add_argument('--val-batch-size', type=int, default=64)
parser.add_argument('--epochs', type=int, default=100)
parser.add_argument('--lr-init', type=float, default=1e-4)
parser.add_argument('--optimizer', type=str, default='adam')
parser.add_argument('--lr-schedule', type=str, default='constant')
parser.add_argument('--factor', type=float, default=0.1)
parser.add_argument('--lr-patience', type=int, default=10)
parser.add_argument('--weight-decay', type=float, default=5e-4)
parser.add_argument('--dropout', type=float, default=0.5)
parser.add_argument('--input-dropout', type=float, default=0)
parser.add_argument('--batchnorm', action="store_true")
parser.add_argument('--tolerance', type=int, default=10)
parser.add_argument('--attn-dropout', type=float, default=0.3)
# Architecture params
parser.add_argument('--sampler-class', type=str, default='conch_sampler')
parser.add_argument('--aggregator-class', type=str, default='attention2')
parser.add_argument('--prep-class', type=str, default='linear') # identity
parser.add_argument('--mpaggr-class', type=str, default='gate')
parser.add_argument('--edgeupt-class', type=str, default='identity')
parser.add_argument('--concat-node', action="store_true")
parser.add_argument('--concat-edge', action="store_true")
parser.add_argument('--in-edge-len', type=int, default=130)
parser.add_argument('--in-node-len', type=int, default=128)
parser.add_argument('--n-hid', type=int, default=512)
parser.add_argument('--prep-len', type=int, default=256)
parser.add_argument('--n-head', type=int, default=4)
parser.add_argument('--n-layer', type=int, default=1)
parser.add_argument('--K', type=int, default=4044)
parser.add_argument('--train-per', type=float, default=0.4)
parser.add_argument('--n-train-samples', type=str, default='1000,100')
parser.add_argument('--n-val-samples', type=str, default='1000,600')
parser.add_argument('--output-dims', type=str, default='128,128')
# Logging
parser.add_argument('--log-interval', default=1, type=int)
parser.add_argument('--seed', default=0, type=int)
parser.add_argument('--show-test', action="store_true")
parser.add_argument('--profile', action="store_true")
# --
# Validate args
args = parser.parse_args()
args.cuda = not args.no_cuda
assert args.prep_class in prep_lookup.keys(
), 'parse_args: prep_class not in %s' % str(prep_lookup.keys())
assert args.aggregator_class in aggregator_lookup.keys(
), 'parse_args: aggregator_class not in %s' % str(aggregator_lookup.keys())
assert args.batch_size > 1, 'parse_args: batch_size must be > 1'
return args