-
Notifications
You must be signed in to change notification settings - Fork 55
/
evaluation_pipeline.sh
executable file
·137 lines (128 loc) · 3.88 KB
/
evaluation_pipeline.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
131
132
133
134
135
136
137
gpu=$1
model=$2
bert_dir=$3
output_dir=$4
add1=$5
add2=$6
add3=$7
# ./evaluation_pipeline.sh 0 bert bert-base-uncased save/BERT
# Intent
for bsz in 8 16 32
do
CUDA_VISIBLE_DEVICES=$gpu python main.py \
--my_model=multi_class_classifier \
--dataset='["oos_intent"]' \
--task_name="intent" \
--earlystop="acc" \
--output_dir=${output_dir}/Intent/OOS/BSZ${bsz} \
--do_train \
--task=nlu \
--example_type=turn \
--model_type=${model} \
--model_name_or_path=${bert_dir} \
--batch_size=${bsz} \
--usr_token=[USR] --sys_token=[SYS] \
--epoch=50 --eval_by_step=500 --warmup_steps=250 \
$add1 $add2 $add3
done
# DST
CUDA_VISIBLE_DEVICES=$gpu python main.py \
--my_model=BeliefTracker \
--model_type=${model} \
--dataset='["multiwoz"]' \
--task_name="dst" \
--earlystop="joint_acc" \
--output_dir=${output_dir}/DST/MWOZ \
--do_train \
--task=dst \
--example_type=turn \
--model_name_or_path=${bert_dir} \
--batch_size=6 --eval_batch_size=6 \
--usr_token=[USR] --sys_token=[SYS] \
--eval_by_step=4000 \
$add1 $add2 $add3
# DA
CUDA_VISIBLE_DEVICES=$gpu python main.py \
--my_model=multi_label_classifier \
--do_train --dataset='["multiwoz"]' \
--task=dm --task_name=sysact --example_type=turn \
--model_type=${model} \
--model_name_or_path=${bert_dir} \
--output_dir=${output_dir}/DA/MWOZ/BSZ8 \
--batch_size=8 \
--eval_batch_size=4 \
--learning_rate=5e-5 \
--eval_by_step=1000 \
--usr_token=[USR] --sys_token=[SYS] \
--earlystop=f1_weighted \
$add1 $add2 $add3
CUDA_VISIBLE_DEVICES=$gpu python main.py \
--my_model=multi_label_classifier \
--do_train \
--dataset='["universal_act_dstc2"]' \
--task=dm --task_name=sysact --example_type=turn \
--model_type=${model} --model_name_or_path=${bert_dir} \
--output_dir=${output_dir}/DA/DSTC2/BSZ8 \
--batch_size=8 \
--eval_batch_size=4 \
--learning_rate=5e-5 \
--eval_by_step=500 \
--usr_token=[USR] --sys_token=[SYS] \
--earlystop=f1_weighted \
$add1 $add2 $add3
CUDA_VISIBLE_DEVICES=$gpu python main.py \
--my_model=multi_label_classifier \
--do_train \
--dataset='["universal_act_sim_joint"]' \
--task=dm --task_name=sysact --example_type=turn \
--model_type=${model} --model_name_or_path=${bert_dir} \
--output_dir=${output_dir}/DA/SIM_JOINT/BSZ8 \
--batch_size=8 \
--eval_batch_size=4 \
--learning_rate=5e-5 \
--eval_by_step=500 \
--usr_token=[USR] --sys_token=[SYS] \
--earlystop=f1_weighted \
$add1 $add2 $add3
# Response Selection
CUDA_VISIBLE_DEVICES=$gpu python main.py \
--my_model=dual_encoder_ranking \
--do_train \
--task=nlg \
--task_name=rs \
--example_type=turn \
--model_type=${model} \
--model_name_or_path=${bert_dir} \
--output_dir=${output_dir}/RS/MWOZ/ \
--batch_size=25 --eval_batch_size=100 \
--usr_token=[USR] --sys_token=[SYS] \
--fix_rand_seed \
--eval_by_step=1000 \
--max_seq_length=256 \
$add1 $add2 $add3
CUDA_VISIBLE_DEVICES=$gpu python main.py \
--my_model=dual_encoder_ranking \
--do_train \
--dataset='["universal_act_dstc2"]' \
--task=nlg --task_name=rs \
--example_type=turn \
--model_type=${model} \
--model_name_or_path=${bert_dir} \
--output_dir=${output_dir}/RS/DSTC2/ \
--batch_size=25 --eval_batch_size=100 \
--max_seq_length=256\
--fix_rand_seed \
$add1 $add2 $add3
CUDA_VISIBLE_DEVICES=$gpu python main.py \
--my_model=dual_encoder_ranking \
--do_train \
--dataset='["universal_act_sim_joint"]' \
--task=nlg --task_name=rs \
--example_type=turn \
--model_type=${model} \
--model_name_or_path=${bert_dir} \
--output_dir=${output_dir}/RS/SIM_JOINT/ \
--batch_size=25 --eval_batch_size=100 \
--max_seq_length=256 \
--fix_rand_seed \
$add1 $add2 $add3