使用 run_model

框架的根目录中提供了用于训练和评估单个模型的脚本run_model.py ，并提供了一系列命令行参数，允许用户调整运行参数配置。

运行run_model.py时，必须指定以下三个参数，即task、dataset和model。也就是:

python run_model.py --task=[task_name] --model=[model_name] --dataset=[dataset_name]

此外，该脚本支持输入以下命令行参数来调整流水线的参数设置。

支持参数:

• task：要执行的任务的名称，包括traffic_state_pred，traj_loc_pred，eta，map_matching，road_representation。默认为 traffic_state_pred。

• model：要执行的模型的名称。默认为 GRU。(支持的模型)

• dataset：要执行的数据集。默认为 METR_LA。（支持的数据集）

• config_file：用户定义配置文件的名称。默认为 None。(查看更多)

• saved_model：是否保存训练好的模型。默认为 True。

• train：如果模型已经过预训练，是否对模型进行再训练。默认为 True。

• batch_size：训练和评估的批次大小。

• train_rate：训练集占总数据集的比例。(划分顺序为训练集、验证集、测试集)

• eval_rate：验证集的比例。

• learning_rate：学习率。默认值因模型而异。

• max_epoch：最大训练轮次。默认值因模型而异。

• gpu：是否使用 GPU. 默认为 True。

• gpu_id：所使用GPU的id。默认为0。