-
Notifications
You must be signed in to change notification settings - Fork 31
/
Copy pathdefault_args.py
193 lines (182 loc) · 6.46 KB
/
default_args.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
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
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
def baseline_opt_default_args(prob_type):
defaults = {}
defaults['simpleVar'] = 100
defaults['simpleIneq'] = 50
defaults['simpleEq'] = 50
defaults['simpleEx'] = 10000
defaults['nonconvexVar'] = 100
defaults['nonconvexIneq'] = 50
defaults['nonconvexEq'] = 50
defaults['nonconvexEx'] = 10000
if prob_type == 'simple':
defaults['corrEps'] = 1e-4
elif prob_type == 'nonconvex':
defaults['corrEps'] = 1e-4
elif 'acopf' in prob_type:
defaults['corrEps'] = 1e-4
return defaults
def baseline_nn_default_args(prob_type):
defaults = {}
defaults['simpleVar'] = 100
defaults['simpleIneq'] = 50
defaults['simpleEq'] = 50
defaults['simpleEx'] = 10000
defaults['nonconvexVar'] = 100
defaults['nonconvexIneq'] = 50
defaults['nonconvexEq'] = 50
defaults['nonconvexEx'] = 10000
defaults['saveAllStats'] = True
defaults['resultsSaveFreq'] = 50
if prob_type == 'simple':
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-4
defaults['hiddenSize'] = 200
defaults['softWeight'] = 100
defaults['softWeightEqFrac'] = 0.5
defaults['useTestCorr'] = True
defaults['corrTestMaxSteps'] = 10
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-7
defaults['corrMomentum'] = 0.5
elif prob_type == 'nonconvex':
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-4
defaults['hiddenSize'] = 200
defaults['softWeight'] = 100
defaults['softWeightEqFrac'] = 0.5
defaults['useTestCorr'] = True
defaults['corrTestMaxSteps'] = 10
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-7
defaults['corrMomentum'] = 0.5
elif 'acopf' in prob_type:
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-3
defaults['hiddenSize'] = 200
defaults['softWeight'] = 100
defaults['softWeightEqFrac'] = 0.5
defaults['useTestCorr'] = True
defaults['corrTestMaxSteps'] = 5
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-5
defaults['corrMomentum'] = 0.5
else:
raise NotImplementedError
return defaults
def baseline_eq_nn_default_args(prob_type):
defaults = {}
defaults['simpleVar'] = 100
defaults['simpleIneq'] = 50
defaults['simpleEq'] = 50
defaults['simpleEx'] = 10000
defaults['nonconvexVar'] = 100
defaults['nonconvexIneq'] = 50
defaults['nonconvexEq'] = 50
defaults['nonconvexEx'] = 10000
defaults['saveAllStats'] = True
defaults['resultsSaveFreq'] = 50
if prob_type == 'simple':
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-4
defaults['hiddenSize'] = 200
defaults['softWeightEqFrac'] = 0.5
defaults['useTestCorr'] = True
defaults['corrMode'] = 'partial'
defaults['corrTestMaxSteps'] = 10
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-7
defaults['corrMomentum'] = 0.5
elif prob_type == 'nonconvex':
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-4
defaults['hiddenSize'] = 200
defaults['softWeightEqFrac'] = 0.5
defaults['useTestCorr'] = True
defaults['corrMode'] = 'partial'
defaults['corrTestMaxSteps'] = 10
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-7
defaults['corrMomentum'] = 0.5
elif 'acopf' in prob_type:
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-3
defaults['hiddenSize'] = 200
defaults['softWeightEqFrac'] = 0.5
defaults['useTestCorr'] = True
defaults['corrMode'] = 'full'
defaults['corrTestMaxSteps'] = 5
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-5
defaults['corrMomentum'] = 0.5
else:
raise NotImplementedError
return defaults
def method_default_args(prob_type):
defaults = {}
defaults['simpleVar'] = 100
defaults['simpleIneq'] = 50
defaults['simpleEq'] = 50
defaults['simpleEx'] = 10000
defaults['nonconvexVar'] = 100
defaults['nonconvexIneq'] = 50
defaults['nonconvexEq'] = 50
defaults['nonconvexEx'] = 10000
defaults['saveAllStats'] = True
defaults['resultsSaveFreq'] = 50
if prob_type == 'simple':
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-4
defaults['hiddenSize'] = 200
defaults['softWeight'] = 10 # use 100 if useCompl=False
defaults['softWeightEqFrac'] = 0.5
defaults['useCompl'] = True
defaults['useTrainCorr'] = True
defaults['useTestCorr'] = True
defaults['corrMode'] = 'partial' # use 'full' if useCompl=False
defaults['corrTrainSteps'] = 10
defaults['corrTestMaxSteps'] = 10
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-7
defaults['corrMomentum'] = 0.5
elif prob_type == 'nonconvex':
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-4
defaults['hiddenSize'] = 200
defaults['softWeight'] = 10 # use 100 if useCompl=False
defaults['softWeightEqFrac'] = 0.5
defaults['useCompl'] = True
defaults['useTrainCorr'] = True
defaults['useTestCorr'] = True
defaults['corrMode'] = 'partial' # use 'full' if useCompl=False
defaults['corrTrainSteps'] = 10
defaults['corrTestMaxSteps'] = 10
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-7
defaults['corrMomentum'] = 0.5
elif 'acopf' in prob_type:
defaults['epochs'] = 1000
defaults['batchSize'] = 200
defaults['lr'] = 1e-3
defaults['hiddenSize'] = 200
defaults['softWeight'] = 10 # use 100 if useCompl=False
defaults['softWeightEqFrac'] = 0.5
defaults['useCompl'] = True
defaults['useTrainCorr'] = True
defaults['useTestCorr'] = True
defaults['corrMode'] = 'partial' # use 'full' if useCompl=False
defaults['corrTrainSteps'] = 5
defaults['corrTestMaxSteps'] = 5
defaults['corrEps'] = 1e-4
defaults['corrLr'] = 1e-4 # use 1e-5 if useCompl=False
defaults['corrMomentum'] = 0.5
else:
raise NotImplementedError
return defaults