-
Notifications
You must be signed in to change notification settings - Fork 2
/
planet.sh
50 lines (41 loc) · 5.31 KB
/
planet.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
device=0
TARGET=akt2
### For Ligand Module
BS=2560
EXPERIMENT='LM/BINARY_'
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 1 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 2 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 3 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 4 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET
# Test
CUDA_VISIBLE_DEVICES=$DEVICE python ensamble.py --batch_size 30 --save $EXPERIMENT$TARGET --target $TARGET --use_gpu --conv_encode_edge --balanced_loader --binary
### For Protein Module using Ligand Module weights
BS=8
EXPERIMENT='LMPM/BINARY_'
LM_PATH='./log/LM'
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 1 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET --use_prot --LMPM --freeze_molecule --model_load_init_path $LM_PATH
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 2 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET --use_prot --LMPM --freeze_molecule --model_load_init_path $LM_PATH
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 3 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET --use_prot --LMPM --freeze_molecule --model_load_init_path $LM_PATH
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 4 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET --use_prot --LMPM --freeze_molecule --model_load_init_path $LM_PATH
# Test
CUDA_VISIBLE_DEVICES=$DEVICE python ensamble.py --batch_size 30 --save $EXPERIMENT$TARGET --target $TARGET --use_gpu --conv_encode_edge --balanced_loader --binary --use_prot --LMPM
### For Adversarial Training
EXPERIMENT='AM/BINARY_'
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 1 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET --advs
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 2 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET --advs
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 3 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET --advs
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 4 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET --advs
# Test
CUDA_VISIBLE_DEVICES=$DEVICE python ensamble.py --batch_size 30 --save $EXPERIMENT$TARGET --target $TARGET --use_gpu --conv_encode_edge --balanced_loader --binary
### For training PLA-Net
EXPERIMENT='PLANet/BINARY_'
ADVS_PATH='./log/AM/'
PROTS_PATH='./log/LMPM/'
CUDA_VISIBLE_DEVICES=$DEVICE python main.py --cross_val 1 --model_load_init_path $ADVS_PATH --model_load_prot_init_path $PROTS_PATH --batch_size $BS --save $EXPERIMENT$TARGET --target $TARGET --freeze_molecule --use_gpu --conv_encode_edge --learn_t --balanced_loader --binary --use_prot --PLANET --lr 5e-4
CUDA_VISIBLE_DEVICES=$DEVICE python main.py --cross_val 2 --model_load_init_path $ADVS_PATH --model_load_prot_init_path $PROTS_PATH --batch_size $BS --save $EXPERIMENT$TARGET --target $TARGET --freeze_molecule --use_gpu --conv_encode_edge --learn_t --balanced_loader --binary --use_prot --PLANET --lr 5e-4
CUDA_VISIBLE_DEVICES=$DEVICE python main.py --cross_val 3 --model_load_init_path $ADVS_PATH --model_load_prot_init_path $PROTS_PATH --batch_size $BS --save $EXPERIMENT$TARGET --target $TARGET --freeze_molecule --use_gpu --conv_encode_edge --learn_t --balanced_loader --binary --use_prot --PLANET --lr 5e-4
CUDA_VISIBLE_DEVICES=$DEVICE python main.py --cross_val 4 --model_load_init_path $ADVS_PATH --model_load_prot_init_path $PROTS_PATH --batch_size $BS --save $EXPERIMENT$TARGET --target $TARGET --freeze_molecule --use_gpu --conv_encode_edge --learn_t --balanced_loader --binary --use_prot --PLANET --lr 5e-4
CUDA_VISIBLE_DEVICES=$DEVICE python test_ensamble_planet.py --freeze_molecule --use_gpu --conv_encode_edge --learn_t --batch_size $BS --binary --use_prot --target $TARGET --save $EXPERIMENT
CUDA_VISIBLE_DEVICES=$device python main.py --use_gpu --conv_encode_edge --learn_t --cross_val 4 --save $EXPERIMENT$TARGET --batch_size $BS --balanced_loader --batch_size $BS --binary --target $TARGET
# # CUDA_VISIBLE_DEVICES=$DEVICE python ensamble.py --batch_size 30 --save $EXPERIMENT$TARGET --target $TARGET --freeze_molecule --use_gpu --conv_encode_edge --learn_t --balanced_loader --binary --use_prot
# done