-
Notifications
You must be signed in to change notification settings - Fork 1
/
train_adv.sh
225 lines (221 loc) · 8.77 KB
/
train_adv.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
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
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
#!/usr/bin/env bash
source /Users/yxu132/pyflow3.6/bin/activate
DATA_DIR=data
MODEL_DIR=saved_models
# AE+bal
python train.py --do_train \
--vocab_file=$DATA_DIR/vocab.in \
--emb_file=$DATA_DIR/emb.json \
--input_file=$DATA_DIR/train.in \
--output_file=$DATA_DIR/train.out \
--dev_file=$DATA_DIR/dev.in \
--dev_output=$DATA_DIR/dev.out \
--load_model_cls=$MODEL_DIR/yelp50_x3-cls/bi_att \
--load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att \
--adv --classification_model=RNN --output_classes=2 --balance \
--gumbel_softmax_temporature=0.1 \
--enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
--cls_attention --cls_attention_size=50 --attention \
--batch_size=16 --max_len=50 \
--num_epochs=20 --print_every_steps=100 --total_steps=200000 \
--learning_rate=0.0001 --ae_lambda=0.2 --seq_lambda=0.7 \
--output_dir=$MODEL_DIR/adv_train_bal \
--save_checkpoints \
--num_gpus=0
## AE+LS
#python train.py --do_train \
# --vocab_file=$DATA_DIR/vocab.in \
# --emb_file=$DATA_DIR/emb.json \
# --input_file=$DATA_DIR/train.in \
# --output_file=$DATA_DIR/train.out \
# --dev_file=$DATA_DIR/dev.in \
# --dev_output=$DATA_DIR/dev.out \
# --load_model_cls=$MODEL_DIR/yelp50_x3-cls/bi_att \
# --load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att \
# --adv --classification_model=RNN --output_classes=2 \
# --gumbel_softmax_temporature=0.1 \
# --enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
# --cls_attention --cls_attention_size=50 --attention \
# --batch_size=16 --max_len=50 \
# --num_epochs=20 --print_every_steps=100 --total_steps=200000 \
# --learning_rate=0.00001 --ae_lambda=0.8 --seq_lambda=1.0 \
# --output_dir=$MODEL_DIR/adv_train_ls \
# --save_checkpoints \
# --num_gpus=0 \
# --label_beta=0.95
#
#
#
## AE+LS+GAN
#python train.py --do_train \
# --vocab_file=$DATA_DIR/vocab.in \
# --emb_file=$DATA_DIR/emb.json \
# --input_file=$DATA_DIR/train.in \
# --output_file=$DATA_DIR/train.out \
# --dev_file=$DATA_DIR/dev.in \
# --dev_output=$DATA_DIR/dev.out \
# --load_model_cls=$MODEL_DIR/yelp50_x3-cls/bi_att \
# --load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att \
# --adv --classification_model=RNN --output_classes=2 \
# --gumbel_softmax_temporature=0.1 \
# --enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
# --cls_attention --cls_attention_size=50 --attention \
# --batch_size=16 --max_len=50 \
# --num_epochs=20 --print_every_steps=100 --total_steps=200000 \
# --learning_rate=0.00001 --ae_lambda=0.8 --seq_lambda=1.0 \
# --output_dir=$MODEL_DIR/adv_train_lsgan \
# --save_checkpoints \
# --num_gpus=0 \
# --label_beta=0.95 \
# --gan --at_steps=2
#
#
## AE+LS+CF
#python train.py --do_train \
# --vocab_file=$DATA_DIR/vocab.in \
# --emb_file=$DATA_DIR/emb.json \
# --input_file=$DATA_DIR/train.in \
# --output_file=$DATA_DIR/train.out \
# --dev_file=$DATA_DIR/dev.in \
# --dev_output=$DATA_DIR/dev.out \
# --load_model_cls=$MODEL_DIR/yelp50_x3-cls/bi_att \
# --load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att_cf_fixed \
# --adv --classification_model=RNN --output_classes=2 \
# --gumbel_softmax_temporature=0.1 \
# --enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
# --cls_attention --cls_attention_size=50 --attention \
# --batch_size=16 --max_len=50 \
# --num_epochs=20 --print_every_steps=100 --total_steps=200000 \
# --learning_rate=0.00001 --ae_lambda=0.8 --seq_lambda=1.0 \
# --output_dir=$MODEL_DIR/adv_train_lscf \
# --save_checkpoints \
# --num_gpus=0 \
# --label_beta=0.95 \
# --ae_vocab_file=$DATA_DIR/cf_vocab.in \
# --ae_emb_file=$DATA_DIR/cf_emb.json
#
## AE+LS+CF+CPY
#python train.py --do_train \
# --vocab_file=$DATA_DIR/vocab.in \
# --emb_file=$DATA_DIR/emb.json \
# --input_file=$DATA_DIR/train.in \
# --output_file=$DATA_DIR/train.out \
# --dev_file=$DATA_DIR/dev.in \
# --dev_output=$DATA_DIR/dev.out \
# --load_model_cls=$MODEL_DIR/yelp50_x3-cls/bi_att \
# --load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att_cf_fixed \
# --adv --classification_model=RNN --output_classes=2 \
# --gumbel_softmax_temporature=0.1 \
# --enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
# --cls_attention --cls_attention_size=50 --attention \
# --batch_size=16 --max_len=50 \
# --num_epochs=20 --print_every_steps=100 --total_steps=200000 \
# --learning_rate=0.00001 --ae_lambda=0.8 --seq_lambda=1.0 \
# --output_dir=$MODEL_DIR/adv_train_lscfcp \
# --save_checkpoints \
# --num_gpus=0 \
# --label_beta=0.95 \
# --ae_vocab_file=$DATA_DIR/cf_vocab.in \
# --ae_emb_file=$DATA_DIR/cf_emb.json \
# --copy --attention_copy_mask --use_stop_words --top_k_attack=9
#
## Conditional PTN: AE+LS+CF
#python train.py --do_train \
# --vocab_file=$DATA_DIR/vocab.in \
# --emb_file=$DATA_DIR/emb.json \
# --input_file=$DATA_DIR/train.pos.in \
# --output_file=$DATA_DIR/train.pos.out \
# --dev_file=$DATA_DIR/dev.in \
# --dev_output=$DATA_DIR/dev.out \
# --load_model_cls=$MODEL_DIR/yelp50_x3-cls/bi_att \
# --load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att_cf_fixed \
# --adv --classification_model=RNN --output_classes=2 \
# --gumbel_softmax_temporature=0.1 \
# --enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
# --cls_attention --cls_attention_size=50 --attention \
# --batch_size=16 --max_len=50 \
# --num_epochs=20 --print_every_steps=100 --total_steps=200000 \
# --learning_rate=0.00001 --ae_lambda=0.8 --seq_lambda=1.0 \
# --output_dir=$MODEL_DIR/adv_train_lscfcp_ptn \
# --save_checkpoints \
# --num_gpus=0 \
# --label_beta=0.95 \
# --ae_vocab_file=$DATA_DIR/cf_vocab.in \
# --ae_emb_file=$DATA_DIR/cf_emb.json \
# --target_label=0
#
## Conditional NTP: AE+LS+CF
#python train.py --do_train \
# --vocab_file=$DATA_DIR/vocab.in \
# --emb_file=$DATA_DIR/emb.json \
# --input_file=$DATA_DIR/train.neg.in \
# --output_file=$DATA_DIR/train.neg.out \
# --dev_file=$DATA_DIR/dev.in \
# --dev_output=$DATA_DIR/dev.out \
# --load_model_cls=$MODEL_DIR/yelp50_x3-cls/bi_att \
# --load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att_cf_fixed \
# --adv --classification_model=RNN --output_classes=2 \
# --gumbel_softmax_temporature=0.1 \
# --enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
# --cls_attention --cls_attention_size=50 --attention \
# --batch_size=16 --max_len=50 \
# --num_epochs=20 --print_every_steps=100 --total_steps=200000 \
# --learning_rate=0.00001 --ae_lambda=0.8 --seq_lambda=1.0 \
# --output_dir=$MODEL_DIR/adv_train_lscfcp_ntp \
# --save_checkpoints \
# --num_gpus=0 \
# --label_beta=0.95 \
# --ae_vocab_file=$DATA_DIR/cf_vocab.in \
# --ae_emb_file=$DATA_DIR/cf_emb.json \
# --target_label=1
#
# AE+LS+CF+DEFENCE
#python train.py --do_train \
# --vocab_file=$DATA_DIR/vocab.in \
# --emb_file=$DATA_DIR/emb.json \
# --input_file=$DATA_DIR/train.in \
# --output_file=$DATA_DIR/train.out \
# --dev_file=$DATA_DIR/dev.in \
# --dev_output=$DATA_DIR/dev.out \
# --load_model_cls=$MODEL_DIR/yelp50_x3-cls/bi_att \
# --load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att_cf_fixed \
# --adv --classification_model=RNN --output_classes=2 \
# --gumbel_softmax_temporature=0.1 \
# --enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
# --cls_attention --cls_attention_size=50 --attention \
# --batch_size=16 --max_len=50 \
# --num_epochs=20 --print_every_steps=100 --total_steps=200000 \
# --learning_rate=0.00001 --ae_lambda=0.8 --seq_lambda=1.0 \
# --output_dir=$MODEL_DIR/def_train \
# --save_checkpoints \
# --num_gpus=0 \
# --label_beta=0.95 \
# --ae_vocab_file=$DATA_DIR/cf_vocab.in \
# --ae_emb_file=$DATA_DIR/cf_emb.json \
# --defending --at_steps=2
#
#
## Attacking an augmented AE+LS+CF model: AE+LS+CF
#python train.py --do_train \
# --vocab_file=$DATA_DIR/vocab.in \
# --emb_file=$DATA_DIR/emb.json \
# --input_file=$DATA_DIR/train.in \
# --output_file=$DATA_DIR/train.out \
# --dev_file=$DATA_DIR/dev.in \
# --dev_output=$DATA_DIR/dev.out \
# --load_model_ae=$MODEL_DIR/yelp50_x3-ae/bi_att_cf_fixed \
# --adv --classification_model=RNN --output_classes=2 \
# --gumbel_softmax_temporature=0.1 \
# --enc_type=bi --cls_enc_num_units=256 --cls_enc_type=bi \
# --cls_attention --cls_attention_size=50 --attention \
# --batch_size=16 --max_len=50 \
# --num_epochs=20 --print_every_steps=100 --total_steps=200000 \
# --learning_rate=0.00001 --ae_lambda=0.8 --seq_lambda=1.0 \
# --output_dir=$MODEL_DIR/adv_aeaug_lscf \
# --save_checkpoints \
# --num_gpus=0 \
# --label_beta=0.95 \
# --ae_vocab_file=$DATA_DIR/cf_vocab.in \
# --ae_emb_file=$DATA_DIR/cf_emb.json \
# --load_model_cls=$MODEL_DIR/def_output/nmt-T2.ckpt \
# --use_defending_as_target