-
Notifications
You must be signed in to change notification settings - Fork 3
/
Copy pathargs_model.py
50 lines (43 loc) · 1.99 KB
/
args_model.py
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
import argparse
from dhgas.models import Sta_MODEL, Homo_MODEL
import os
def get_args(args=None):
parser = argparse.ArgumentParser()
# basic
parser.add_argument("--dataset", type=str, default="Aminer")
parser.add_argument("--model", type=str)
parser.add_argument("--dhconfig", type=str, default="")
parser.add_argument("--log_dir", type=str, default="logs/tmp")
parser.add_argument("--device", default="6")
parser.add_argument("--seed", type=int, default=22)
# auto
parser.add_argument("--dynamic", type=int, default=-1)
parser.add_argument("--homo", type=int, default=-1)
parser.add_argument("--twin", type=int, default=-1)
parser.add_argument("--test_full", type=int, default=-1)
parser.add_argument("--predict_type", type=str, default="")
parser.add_argument("--in_dim", type=int, default=-1)
parser.add_argument("--hid_dim", type=int, default=-1)
parser.add_argument("--out_dim", type=int, default=-1)
parser.add_argument("--num_classes", type=int, default=-1)
# optim
parser.add_argument("--max_epochs", type=int, default=500)
parser.add_argument("--patience", type=int, default=10)
parser.add_argument("--shuffle", type=int, default=1)
parser.add_argument("--cul", type=int, default=1)
# hp
parser.add_argument("--norm", type=int, default=1)
parser.add_argument("--hlinear_act", type=str, default="tanh")
parser.add_argument("--n_heads", type=int, default=4)
parser.add_argument("--n_layers", type=int, default=2)
parser.add_argument("--lr", type=float, default=1e-2)
parser.add_argument("--wd", type=float, default=0)
parser.add_argument("--grad_clip", type=float, default=0)
args = parser.parse_args(args)
# post
args.device = f"cuda:{args.device}"
args.dynamic = args.model not in Sta_MODEL
args.homo = args.model in Homo_MODEL
args.test_full = not args.dynamic # static model use full training data for testing
os.makedirs(args.log_dir, exist_ok=True)
return args