runs/code-decoder-v30-alltrains-v3/anticurriculum-loss/ckpt/generated.txt

K=10,T=0.8: <data><tab> elif resample = = none : <newline> <tab> <tab> conv _ shortcut = lib . ops . conv 2 d . conv 2 d <newline> <tab> <tab> conv _ 1 <tab> <tab> = functools . partial ( lib . ops . conv 2 d . conv 2 d , input _ dim = input _ dim , output _ dim = input _ dim ) <newline> <tab> <tab> conv _ 2 <tab> <tab> = functools . partial ( lib . ops . conv 2 d . conv 2 d , input _ dim = input _ dim , output </data>_ <tab> <tab> <tab> <tab> _ <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> . <tab> <tab> _ . <tab> <tab> <tab> _ _ <tab> <tab> <tab> _ if <tab> _ _ _ <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> _ <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> _ <tab> <tab> <tab> <tab> <tab> <tab> _ _ <tab> 0 _ <tab> <tab> <tab> <tab> _ <tab> _ _ _ _ <tab> <tab> <tab> <tab> <tab> _ _ <tab> <tab> _ if <tab> <tab> _ <tab> 
K=10,T=0.8: <data>nodes / <UNK> _ train " } ) , <newline> <newline> <tab> <tab> <tab> } <newline> <tab> <tab> } <newline> <newline> <tab> return _ types = ( " models _ class " , ) <newline> <tab> return _ names = ( ' model ' , ) <newline> <tab> function = " create _ init _ train " <newline> <tab> output _ node = true <newline> <tab> category = " build and train your network " <newline> <newline> <tab> def create _ init _ train ( self , train _ dataset , model , val _ dataset = none , batch </data>_ <tab> ( <tab> <tab> <tab> <tab> _ <tab> <newline> _ _ <tab> _ <tab> _ <tab> <tab> <newline> <tab> <tab> <tab> _ <newline> <newline> <tab> <tab> <tab> _ <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> = <newline> <tab> _ ) <tab> <tab> <tab> 0 . <newline> _ _ <newline> <tab> = . <newline> _ <tab> <tab> <tab> <tab> ( _ _ _ <newline> <tab> <tab> _ <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> _ _ <newline> _ <tab> <tab> <tab> <tab> <tab> <tab> <tab> <newline> 
K=10,T=0.8: <data>from _ pretrained ( model _ args . tokenizer _ name , cache _ dir = model _ args . cache _ dir ) <newline> <tab> elif model _ args . model _ name _ or _ path : <newline> <tab> <tab> tokenizer = auto tokenizer . from _ pretrained ( model _ args . model _ name _ or _ path , cache _ dir = model _ args . cache _ dir ) <newline> <tab> else : <newline> <tab> <tab> raise value error ( <newline> <tab> <tab> <tab> " you are instantiating a new tokenizer from scratch . </data><newline> <tab> <tab> <tab> <tab> <tab> <tab> 1 _ _ <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> _ _ 0 ( ( ( <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> = 1 _ _ _ _ _ <newline> <tab> 1 _ <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> _ ( _ _ _ 
K=10,T=0.8: <data>find <UNK> <UNK> <UNK> <newline> def count <UNK> ( self , s : str ) - > int : <newline> <tab> <tab> @ cache <newline> <tab> <tab> def is <UNK> ( i , j ) : <newline> <tab> <tab> <tab> return i > = j or s [ i ] = = s [ j ] and is <UNK> ( i + 1 , j - 1 ) <newline> <tab> <tab> return sum ( is <UNK> ( i , j ) for i in range ( len ( s ) ) for j in range ( i , len ( </data>) <newline> <tab> <tab> <tab> <tab> <tab> <tab> <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> ) <newline> ) <newline> <newline> <tab> <tab> <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <newline> <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> 
K=10,T=0.8: <data><tab> <newline> <tab> <tab> <tab> acc 1 , acc 5 = accuracy ( output , target , topk = ( 1 , 5 ) ) <newline> <tab> <tab> <tab> losses . update ( loss . item ( ) , images . size ( 0 ) ) <newline> <tab> <tab> <tab> top 1 . update ( acc 1 [ 0 ] , images . size ( 0 ) ) <newline> <tab> <tab> <tab> top 5 . update ( acc 5 [ 0 ] , images . size ( 0 ) ) <newline> <newline> <tab> <tab> <tab> <newline> <tab> <tab> <tab> batch </data>_ 2 ( ' , 2 , <tab> <tab> <tab> <tab> self . 0 = 1 = ' ) <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> self . ' : <newline> <tab> <tab> <tab> <tab> <tab> <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> print _ _ <UNK> , 0 , : , ) <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> 
K=10,T=0.8: <data>from _ pretrained ( model _ args . tokenizer _ name , cache _ dir = model _ args . cache _ dir ) <newline> <tab> elif model _ args . model _ name _ or _ path : <newline> <tab> <tab> tokenizer = auto tokenizer . from _ pretrained ( model _ args . model _ name _ or _ path , cache _ dir = model _ args . cache _ dir ) <newline> <tab> else : <newline> <tab> <tab> raise value error ( <newline> <tab> <tab> <tab> " you are instantiating a new tokenizer from scratch . </data><UNK> _ size ) <newline> <newline> <tab> <newline> print ( self . <UNK> ( 1 , 1 , <newline> <tab> <tab> def _ loss = <newline> <tab> if args . <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> def . append ( <newline> <tab> <tab> <tab> <tab> <tab> def 1 = 0 . <UNK> _ size = = " ] <newline> <tab> <tab> <newline> <tab> <tab> <tab> <tab> <tab> <tab> def <UNK> = true , <newline> <newline> <tab> self . append ( <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> 
K=10,T=0.8: <data><tab> bound _ size = config . size _ bound , bound _ weight = config . size _ bound _ weight , <newline> <tab> <tab> transform = size _ transform _ fn ) <newline> <tab> elif config . size _ loss = = ' <UNK> ' : <newline> <tab> selected _ size _ loss _ fn = cputils . compute _ <UNK> _ size _ loss <newline> <tab> else : <newline> <tab> raise value error ( ' invalid size loss . ' ) <newline> <newline> <tab> classes = self . data [ ' classes ' ] <newline> <tab> if </data>_ loss _ size = tf . <UNK> _ name = tf . <UNK> = = = self . . add _ data = 1 _ type _ <UNK> _ name _ dir = ' <newline> <tab> <tab> <tab> <newline> <tab> <tab> <tab> <UNK> = tf . <UNK> ' : <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <UNK> . get _ path . <UNK> _ <UNK> = tf . . append ( <UNK> ( ) <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> 
K=10,T=0.8: <data>8 : ' n ' , 9 : ' o ' , 1 0 : ' o ' , 1 1 : ' s ' , 1 2 : ' s ' , 1 3 : ' s ' } , <newline> <tab> <tab> <tab> <tab> ' bucket _ sizes ' : np . array ( [ 2 8 , 3 1 , 3 3 , 3 5 , 3 7 , 3 8 , 3 9 , 4 0 , 4 1 , 4 2 , 4 3 , 4 4 , 4 5 , 4 6 , 4 </data>, ' , 1 , <newline> <tab> if ' , 1 , 1 8 4 , 2 , 3 , 1 0 , ' , 3 2 0 1 4 , 4 , 2 , 1 0 ] , ' , 0 , ' , <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> return 2 2 , 1 0 , <newline> <tab> <tab> <tab> self . 1 2 0 , 0 2 , 1 2 5 0 , 3 , 3 2 , 1 0 , 4 5 , 3 , <newline> <tab> <tab> <tab> <tab> 
K=10,T=0.8: <data>incre _ adj _ mat , num _ vertices , <newline> <tab> <tab> <tab> <tab> <tab> distance _ to _ others , overlapped _ edge _ dense , node _ sequence , edge _ type _ masks , edge _ masks , random _ normal _ states ) : <newline> <tab> <tab> if incre _ adj _ mat is none : <newline> <tab> <tab> <tab> incre _ adj _ mat = np . zeros ( ( 1 , 1 , self . num _ edge _ types , 1 , 1 ) ) <newline> <tab> <tab> <tab> distance _ to </data>_ prob _ size , <newline> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab> <tab>