first commit

scripts/anomaly_detection/SMD/Autoformer.sh

@@ -0,0 +1,20 @@
+export CUDA_VISIBLE_DEVICES=2
+
+python -u run.py \
+  --task_name anomaly_detection \
+  --is_training 1 \
+  --root_path ./dataset/SMD \
+  --model_id SMD \
+  --model Autoformer \
+  --data SMD \
+  --features M \
+  --seq_len 100 \
+  --pred_len 0 \
+  --d_model 128 \
+  --d_ff 128 \
+  --e_layers 3 \
+  --enc_in 38 \
+  --c_out 38 \
+  --anomaly_ratio 0.5 \
+  --batch_size 128 \
+  --train_epochs 10

scripts/anomaly_detection/SMD/KANAD.sh

@@ -0,0 +1,20 @@
+export CUDA_VISIBLE_DEVICES=0
+
+python -u run.py \
+  --task_name anomaly_detection \
+  --is_training 1 \
+  --root_path ./dataset/SMD \
+  --model_id SMD \
+  --model KANAD \
+  --data SMD \
+  --features M \
+  --seq_len 96 \
+  --d_model 4 \
+  --enc_in 38 \
+  --c_out 38 \
+  --anomaly_ratio 0.5 \
+  --learning_rate 0.01 \
+  --batch_size 128 \
+  --num_workers 4 \
+  --patience 5 \
+  --train_epochs 100

scripts/anomaly_detection/SMD/TimesNet.sh

@@ -0,0 +1,21 @@
+export CUDA_VISIBLE_DEVICES=2
+
+python -u run.py \
+  --task_name anomaly_detection \
+  --is_training 1 \
+  --root_path ./dataset/SMD \
+  --model_id SMD \
+  --model TimesNet \
+  --data SMD \
+  --features M \
+  --seq_len 100 \
+  --pred_len 0 \
+  --d_model 64 \
+  --d_ff 64 \
+  --e_layers 2 \
+  --enc_in 38 \
+  --c_out 38 \
+  --top_k 5 \
+  --anomaly_ratio 0.5 \
+  --batch_size 128 \
+  --train_epochs 10

scripts/anomaly_detection/SMD/Transformer.sh

@@ -0,0 +1,20 @@
+export CUDA_VISIBLE_DEVICES=2
+
+python -u run.py \
+  --task_name anomaly_detection \
+  --is_training 1 \
+  --root_path ./dataset/SMD \
+  --model_id SMD \
+  --model Transformer \
+  --data SMD \
+  --features M \
+  --seq_len 100 \
+  --pred_len 0 \
+  --d_model 128 \
+  --d_ff 128 \
+  --e_layers 3 \
+  --enc_in 38 \
+  --c_out 38 \
+  --anomaly_ratio 0.5 \
+  --batch_size 128 \
+  --train_epochs 10