Upload modular/code/sweep_undersized.txt with huggingface_hub
Browse files
modular/code/sweep_undersized.txt
ADDED
|
@@ -0,0 +1,18 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
+
# Undersized architecture sweep: baseline vs SoRL
|
| 2 |
+
# Goal: capacity-constrained models forced to use abstract tokens
|
| 3 |
+
# 10K epochs (SoRL groks ~2500, baseline signal by ~5K)
|
| 4 |
+
|
| 5 |
+
python -m arithmetic.modular.training.train --mode baseline --n_layer 1 --n_head 1 --n_embd 32 --d_mlp 128 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_baseline_1L1H32d --device cuda:0
|
| 6 |
+
python -m arithmetic.modular.training.train --mode sorl --n_layer 1 --n_head 1 --n_embd 32 --d_mlp 128 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_sorl_1L1H32d --device cuda:0
|
| 7 |
+
python -m arithmetic.modular.training.train --mode baseline --n_layer 1 --n_head 1 --n_embd 64 --d_mlp 256 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_baseline_1L1H64d --device cuda:0
|
| 8 |
+
python -m arithmetic.modular.training.train --mode sorl --n_layer 1 --n_head 1 --n_embd 64 --d_mlp 256 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_sorl_1L1H64d --device cuda:0
|
| 9 |
+
python -m arithmetic.modular.training.train --mode baseline --n_layer 1 --n_head 2 --n_embd 64 --d_mlp 256 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_baseline_1L2H64d --device cuda:0
|
| 10 |
+
python -m arithmetic.modular.training.train --mode sorl --n_layer 1 --n_head 2 --n_embd 64 --d_mlp 256 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_sorl_1L2H64d --device cuda:0
|
| 11 |
+
python -m arithmetic.modular.training.train --mode baseline --n_layer 1 --n_head 4 --n_embd 64 --d_mlp 256 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_baseline_1L4H64d --device cuda:0
|
| 12 |
+
python -m arithmetic.modular.training.train --mode sorl --n_layer 1 --n_head 4 --n_embd 64 --d_mlp 256 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_sorl_1L4H64d --device cuda:0
|
| 13 |
+
python -m arithmetic.modular.training.train --mode baseline --n_layer 1 --n_head 1 --n_embd 128 --d_mlp 512 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_baseline_1L1H128d --device cuda:0
|
| 14 |
+
python -m arithmetic.modular.training.train --mode sorl --n_layer 1 --n_head 1 --n_embd 128 --d_mlp 512 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_sorl_1L1H128d --device cuda:0
|
| 15 |
+
python -m arithmetic.modular.training.train --mode baseline --n_layer 1 --n_head 2 --n_embd 128 --d_mlp 512 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_baseline_1L2H128d --device cuda:0
|
| 16 |
+
python -m arithmetic.modular.training.train --mode sorl --n_layer 1 --n_head 2 --n_embd 128 --d_mlp 512 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_sorl_1L2H128d --device cuda:0
|
| 17 |
+
python -m arithmetic.modular.training.train --mode baseline --n_layer 1 --n_head 4 --n_embd 128 --d_mlp 512 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_baseline_1L4H128d --device cuda:0
|
| 18 |
+
python -m arithmetic.modular.training.train --mode sorl --n_layer 1 --n_head 4 --n_embd 128 --d_mlp 512 --num_epochs 10000 --batch_size 0 --weight_decay 1.0 --eval_every 200 --log_every 100 --job_name mod_sorl_1L4H128d --device cuda:0
|