-
Notifications
You must be signed in to change notification settings - Fork 5
/
run.sh
44 lines (39 loc) · 7.76 KB
/
run.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
#!/bin/bash
# - strategy: FedAvg, FedMetaMAML, FedAvgMeta, FedMetaSGD
# - model: femnist, mnist, cifar
# fedMeta on local and new client (mnist)
python main.py --alpha=0.00001 --beta=0.0 --strategy_client='FedAvg' --model='mnist' --new_client=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.00001 --beta=0.0 --strategy_client='FedAvg' --model='mnist' --new_client=0 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.00001 --beta=0.0 --strategy_client='FedAvgMeta' --model='mnist' --new_client=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.00001 --beta=0.0 --strategy_client='FedAvgMeta' --model='mnist' --new_client=0 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.001 --strategy_client='FedMetaMAML' --model='mnist' --new_client=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.001 --strategy_client='FedMetaMAML' --model='mnist' --new_client=0 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.0002 --strategy_client='FedMetaSGD' --model='mnist' --new_client=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.0002 --strategy_client='FedMetaSGD' --model='mnist' --new_client=0 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
# # fedMetaPer on local and new client (mnist)
python main.py --alpha=0.000005 --beta=0.0 --strategy_client='FedAvg' --model='mnist' --new_client=1 --per_layer=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50 # cant run because it cann't be fine-tuned at inference phase
python main.py --alpha=0.000005 --beta=0.0 --strategy_client='FedAvg' --model='mnist' --new_client=0 --per_layer=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.000005 --beta=0.0 --strategy_client='FedAvgMeta' --model='mnist' --new_client=1 --per_layer=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.000005 --beta=0.0 --strategy_client='FedAvgMeta' --model='mnist' --new_client=0 --per_layer=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.0003 --strategy_client='FedMetaMAML' --model='mnist' --new_client=1 --per_layer=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.001 --strategy_client='FedMetaMAML' --model='mnist' --new_client=0 --per_layer=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.0002 --strategy_client='FedMetaSGD' --model='mnist' --new_client=1 --per_layer=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.0005 --strategy_client='FedMetaSGD' --model='mnist' --new_client=0 --per_layer=1 --num_clients=50 --rounds=300 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
# meta new cifar vs per new cifar
python main.py --alpha=0.0001 --beta=0.0 --strategy_client='FedAvg' --model='cifar' --new_client=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.0001 --beta=0.0 --strategy_client='FedAvg' --model='cifar' --new_client=1 --per_layer=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50 # cant run because it cann't be fine-tuned at inference phase
python main.py --alpha=0.0001 --beta=0.0 --strategy_client='FedAvgMeta' --model='cifar' --new_client=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.0001 --beta=0.0 --strategy_client='FedAvgMeta' --model='cifar' --new_client=1 --per_layer=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.01 --beta=0.001 --strategy_client='FedMetaMAML' --model='cifar' --new_client=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.01 --beta=0.0007 --strategy_client='FedMetaMAML' --model='cifar' --new_client=1 --per_layer=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.01 --beta=0.001 --strategy_client='FedMetaSGD' --model='cifar' --new_client=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.01 --beta=0.001 --strategy_client='FedMetaSGD' --model='cifar' --new_client=1 --per_layer=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
# per old cifar vs meta old cifar
python main.py --alpha=0.0001 --beta=0.0 --strategy_client='FedAvg' --model='cifar' --new_client=0 --per_layer=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.0001 --beta=0.0 --strategy_client='FedAvg' --model='cifar' --new_client=0 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.0001 --beta=0.0 --strategy_client='FedAvgMeta' --model='cifar' --new_client=0 --per_layer=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.0001 --beta=0.0 --strategy_client='FedAvgMeta' --model='cifar' --new_client=0 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.003 --strategy_client='FedMetaMAML' --model='cifar' --new_client=0 --per_layer=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.01 --beta=0.001 --strategy_client='FedMetaMAML' --model='cifar' --new_client=0 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.01 --beta=0.01 --strategy_client='FedMetaSGD' --model='cifar' --new_client=0 --per_layer=1 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50
python main.py --alpha=0.001 --beta=0.001 --strategy_client='FedMetaSGD' --model='cifar' --new_client=0 --num_clients=50 --rounds=600 --epochs=1 --batch_size=32 --min_fit_clients=5 --min_eval_clients=50 --min_available_clients=50