README.txt

   1
   2 ======================================================================
   3 For the stack experiment:
   4
   5 ./main.py --task=stack
   6
   7 Takes ~1h10min on a 4090.
   8
   9 ======================================================================
  10 For the arithmetic expressions experiments
  11
  12 # 38M parameters / 250k samples
  13
  14 ./main.py --task=expr
  15
  16 # 352M parameters / 2.5M samples, reaches 99.80% after 12 epochs, the
  17   learning rate schedule is obviously terrible
  18
  19 ./main.py --task=expr --nb_blocks=48 --dim_model=1024 --nb_train_samples=2500000 --result_dir=results_expr_48b_d1024_2.5M
  20 ======================================================================
  21 25.07.2023
  22
  23 ./main.py --task=sandbox --nb_train_samples=10000 --nb_test_samples=1000 --nb_blocks=4 --nb_heads=1 --nb_epochs=20