forked from montrealrobotics/La-MAML
-
Notifications
You must be signed in to change notification settings - Fork 2
/
run_experiments.sh
executable file
·297 lines (243 loc) · 21.5 KB
/
run_experiments.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
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
#!/bin/bash
ROT="--n_layers 2 --n_hiddens 100 --data_path data/ --log_every 100 --samples_per_task 1000 --dataset mnist_rotations --cuda --log_dir logs/"
PERM="--n_layers 2 --n_hiddens 100 --data_path data/ --log_every 100 --samples_per_task 1000 --dataset mnist_permutations --cuda --log_dir logs/"
MANY="--n_layers 2 --n_hiddens 100 --data_path data/ --log_every 100 --samples_per_task 200 --dataset mnist_manypermutations --cuda --log_dir logs/"
CIFAR='--data_path data/ --log_every 100 --dataset cifar100 --cuda --log_dir logs/'
IMGNET='--data_path data/tiny-imagenet-200/ --log_every 100 --dataset tinyimagenet --cuda --log_dir logs/'
SEED=0
########## MNIST DATASETS ##########
##### La-MAML #####
# ROTATION
#cmaml ROTATION MNIST DATASETS
python3 main.py $ROT --model lamaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 5 --opt_lr 0.1 \
--opt_wt 0.1 --alpha_init 0.1 --sync_update --use_old_task_memory --seed $SEED
#sync ROTATION MNIST DATASETS
python3 main.py $ROT --model lamaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 5 --opt_lr 0.1 \
--opt_wt 0.3 --alpha_init 0.15 --learn_lr --sync_update --use_old_task_memory --seed $SEED
#lamaml ROTATION MNIST DATASETS
python3 main.py $ROT --model lamaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 5 --opt_lr 0.3 \
--alpha_init 0.15 --learn_lr --use_old_task_memory --seed $SEED
#PERMUTATION
#cmaml PERMUTATION MNIST DATASETS
python3 main.py $PERM --model lamaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 5 --opt_wt 0.1 \
--alpha_init 0.03 --sync_update --use_old_task_memory --seed $SEED
#sync PERMUTATION MNIST DATASETS
python3 main.py $PERM --model lamaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 5 --opt_lr 0.1 \
--opt_wt 0.1 --alpha_init 0.15 --learn_lr --sync_update --use_old_task_memory --seed $SEED
#lamaml PERMUTATION MNIST DATASETS
python3 main.py $PERM --model lamaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 5 --opt_lr 0.3 \
--alpha_init 0.15 --learn_lr --use_old_task_memory --seed $SEED
#MANY
#cmaml MANY MNIST DATASETS
python3 main.py $MANY --model lamaml --memories 500 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 5 --opt_wt 0.15 \
--alpha_init 0.03 --sync_update --use_old_task_memory --seed $SEED
#sync MANY MNIST DATASETS
python3 main.py $MANY --model lamaml --memories 500 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 10 --opt_lr 0.1 \
--opt_wt 0.03 --alpha_init 0.03 --learn_lr --sync_update --use_old_task_memory --seed $SEED
#lamaml MANY MNIST DATASETS
python3 main.py $MANY --model lamaml --memories 500 --batch_size 10 --replay_batch_size 10 --n_epochs 1 --glances 10 --opt_lr 0.1 \
--alpha_init 0.1 --learn_lr --use_old_task_memory --seed $SEED
########## CIFAR DATASET Multi-Pass ##########
##### IID ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model iid2 --expt_name iid2 --batch_size 32 --n_epochs 50 \
--lr 0.03 --loader multi_task_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --test_batch_size 1280 --samples_per_task 2500 \
--seed $SEED --calc_test_accuracy --validation 0.1
##### ER ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model eralg4 --expt_name eralg4 --memories 200 --batch_size 10 --replay_batch_size 1 --n_epochs 10 \
--lr 0.03 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### La-ER ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model eralg4 --expt_name eralg4 --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--opt_lr 0.1 --alpha_init 0.1 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### Icarl ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model icarl --expt_name icarl --n_memories 200 --batch_size 10 --n_epochs 10 \
--lr 0.03 --glances 1 --memory_strength 1.0 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --samples_per_task 2500 \
--seed $SEED --grad_clip_norm 5.0 --calc_test_accuracy --validation 0.1
##### GEM ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model gem --expt_name gem --n_memories 10 --batch_size 10 --n_epochs 10 \
--lr 0.03 --glances 1 --memory_strength 0.5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --samples_per_task 2500 \
--seed $SEED --grad_clip_norm 5.0 --calc_test_accuracy --validation 0.1
##### AGEM ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model agem --expt_name agem --n_memories 10 --batch_size 10 --n_epochs 10 \
--lr 0.03 --glances 1 --memory_strength 0.5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### Meta BGD ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model meta-bgd --expt_name meta-bgd --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--alpha_init 0.1 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 3 --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1 --xav_init --std_init 0.02 --mean_eta 50. --train_mc_iters 2
##### sync ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model lamaml_cifar --expt_name lamaml_sync --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--opt_lr 0.35 --alpha_init 0.1 --opt_wt 0.1 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --sync_update --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### C-MAML ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model lamaml_cifar --expt_name cmaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--opt_lr 0.35 --alpha_init 0.075 --opt_wt 0.075 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --sync_update --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### La-MAML ##### CIFAR DATASET Multi-Pass
python3 main.py $CIFAR --model lamaml_cifar --expt_name lamaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--opt_lr 0.25 --alpha_init 0.1 --opt_wt 0.1 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --log_every 3125 --second_order --class_order random \
--seed $SEED --grad_clip_norm 1.0 --calc_test_accuracy --validation 0.1
########## CIFAR DATASET Single-Pass ##########
##### ER ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model eralg4 --expt_name eralg4 --memories 200 --batch_size 10 --replay_batch_size 1 --n_epochs 1 \
--lr 0.03 --glances 10 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### La-ER ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model eralg4 --expt_name eralg4 --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--opt_lr 0.1 --alpha_init 0.1 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### Icarl ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model icarl --expt_name icarl --n_memories 200 --batch_size 10 --n_epochs 1 \
--lr 0.03 --glances 2 --memory_strength 1.0 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --samples_per_task 2500 \
--seed $SEED --grad_clip_norm 5.0 --calc_test_accuracy --validation 0.1
##### GEM ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model gem --expt_name gem --n_memories 10 --batch_size 10 --n_epochs 1 \
--lr 0.03 --glances 2 --memory_strength 0.5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --samples_per_task 2500 \
--seed $SEED --grad_clip_norm 5.0 --calc_test_accuracy --validation 0.1
##### AGEM ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model agem --expt_name agem --n_memories 10 --batch_size 10 --n_epochs 1 \
--lr 0.03 --glances 2 --memory_strength 0.5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### MER ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model meralg1 --expt_name meralg1 --memories 200 --replay_batch_size 25 \
--lr 0.1 --beta 0.1 --gamma 1.0 --batches_per_example 10 --loader class_incremental_loader --increment 5 \
--arch 'pc_cnn' --log_every 3125 --grad_clip_norm 10.0 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### Meta BGD ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model meta-bgd --expt_name meta-bgd --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--alpha_init 0.1 --glances 3 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 3 --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1 --xav_init --std_init 0.02 --mean_eta 50. --train_mc_iters 2
##### sync ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model lamaml_cifar --expt_name lamaml_sync --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--opt_lr 0.35 --alpha_init 0.1 --opt_wt 0.1 --glances 5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --sync_update --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### C-MAML ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model lamaml_cifar --expt_name cmaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--opt_lr 0.35 --alpha_init 0.075 --opt_wt 0.075 --glances 2 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --sync_update --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### La-MAML ##### CIFAR DATASET Single-Pass
python3 main.py $CIFAR --model lamaml_cifar --expt_name lamaml --memories 200 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--opt_lr 0.25 --alpha_init 0.1 --opt_wt 0.1 --glances 10 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --log_every 3125 --second_order --class_order random \
--seed $SEED --grad_clip_norm 1.0 --calc_test_accuracy --validation 0.1
########## TinyImageNet Dataset Multi-Pass ##########
##### IID ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model iid2 --expt_name iid2 --batch_size 32 --n_epochs 50 \
--lr 0.01 --loader multi_task_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --test_batch_size 1280 --samples_per_task 2500 \
--seed $SEED --calc_test_accuracy --validation 0.1
##### ER ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model eralg4 --expt_name eralg4 --memories 400 --batch_size 10 --replay_batch_size 1 --n_epochs 10 \
--lr 0.01 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### La-ER ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model eralg4 --expt_name eralg4 --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--opt_lr 0.1 --alpha_init 0.03 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### Icarl ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model icarl --expt_name icarl --n_memories 400 --batch_size 10 --n_epochs 10 \
--lr 0.01 --glances 1 --memory_strength 1.0 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --samples_per_task 2500 \
--seed $SEED --calc_test_accuracy --validation 0.1
##### GEM ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model gem --expt_name gem --n_memories 10 --batch_size 10 --n_epochs 10 \
--lr 0.03 --glances 1 --memory_strength 0.5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --samples_per_task 2500 \
--seed $SEED --calc_test_accuracy --validation 0.1
##### AGEM ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model agem --expt_name agem --n_memories 10 --batch_size 10 --n_epochs 10 \
--lr 0.01 --glances 1 --memory_strength 0.5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### Meta BGD ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model meta-bgd --expt_name meta-bgd --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--alpha_init 0.1 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 3 --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1 --xav_init --std_init 0.015 --mean_eta 30. --train_mc_iters 2
##### sync ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model lamaml_cifar --expt_name lamaml_sync --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--opt_lr 0.25 --alpha_init 0.075 --opt_wt 0.075 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --sync_update --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### C-MAML ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model lamaml_cifar --expt_name cmaml --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--opt_lr 0.35 --alpha_init 0.03 --opt_wt 0.03 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --sync_update --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### La-MAML ##### TinyImageNet Dataset Multi-Pass
python3 main.py $IMGNET --model lamaml_cifar --expt_name lamaml --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 10 \
--opt_lr 0.4 --alpha_init 0.1 --opt_wt 0.1 --glances 1 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --log_every 3125 --second_order --class_order random \
--seed $SEED --grad_clip_norm 1.0 --calc_test_accuracy --validation 0.1
########## TinyImageNet Dataset Single-Pass ##########
##### ER ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model eralg4 --expt_name eralg4 --memories 400 --batch_size 10 --replay_batch_size 1 --n_epochs 1 \
--lr 0.01 --glances 2 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### La-ER ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model eralg4 --expt_name eralg4 --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--opt_lr 0.1 --alpha_init 0.3 --glances 2 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### Icarl ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model icarl --expt_name icarl --n_memories 400 --batch_size 10 --n_epochs 1 \
--lr 0.01 --glances 2 --memory_strength 1.0 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --samples_per_task 2500 \
--seed $SEED --grad_clip_norm 5.0 --calc_test_accuracy --validation 0.1
##### GEM ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model gem --expt_name gem --n_memories 10 --batch_size 10 --n_epochs 1 \
--lr 0.03 --glances 2 --memory_strength 0.5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random --samples_per_task 2500 \
--seed $SEED --grad_clip_norm 5.0 --calc_test_accuracy --validation 0.1
##### AGEM ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model agem --expt_name agem --n_memories 10 --batch_size 10 --n_epochs 1 \
--lr 0.01 --glances 2 --memory_strength 0.5 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --log_every 3125 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### MER ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model meralg1 --expt_name meralg1 --memories 400 --replay_batch_size 25 \
--lr 0.1 --beta 0.1 --gamma 1.0 --batches_per_example 10 --loader class_incremental_loader --increment 5 \
--arch 'pc_cnn' --log_every 3125 --grad_clip_norm 10.0 --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### Meta BGD ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model meta-bgd --expt_name meta-bgd --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--alpha_init 0.1 --glances 3 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 3 --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1 --xav_init --std_init 0.015 --mean_eta 30. --train_mc_iters 2
##### sync ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model lamaml_cifar --expt_name lamaml_sync --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--opt_lr 0.25 --alpha_init 0.075 --opt_wt 0.075 --glances 2 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --sync_update --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### C-MAML ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model lamaml_cifar --expt_name cmaml --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--opt_lr 0.35 --alpha_init 0.03 --opt_wt 0.03 --glances 2 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --sync_update --log_every 3125 --second_order --class_order random \
--seed $SEED --calc_test_accuracy --validation 0.1
##### La-MAML ##### TinyImageNet Dataset Single-Pass
python3 main.py $IMGNET --model lamaml_cifar --expt_name lamaml --memories 400 --batch_size 10 --replay_batch_size 10 --n_epochs 1 \
--opt_lr 0.4 --alpha_init 0.1 --opt_wt 0.1 --glances 2 --loader class_incremental_loader --increment 5 \
--arch "pc_cnn" --cifar_batches 5 --learn_lr --log_every 3125 --second_order --class_order random \
--seed $SEED --grad_clip_norm 1.0 --calc_test_accuracy --validation 0.1