Auto training using shell script

auto_train.sh

#!/bin/sh
gpu='1'
seq='0'
batch=6400
dir="/home/shapelim/RONet/0213fc_"
network_type='fc'
#
count="_1/"
python3.5 train.py --save_dir $dir$count --gpu $gpu --sequence_length $seq --batch_size $batch --network_type $network_type 
python3.5 test.py --load_model_dir $dir$count --gpu $gpu --sequence_length $seq --network_type $network_type
#
count="_2/"
python3.5 train.py --save_dir $dir$count --gpu $gpu --sequence_length $seq --batch_size $batch --network_type $network_type
python3.5 test.py --load_model_dir $dir$count --gpu $gpu --sequence_length $seq --network_type $network_type
#
count="_3/"
python3.5 train.py --save_dir $dir$count --gpu $gpu --sequence_length $seq --batch_size $batch --decay_rate 0.9 --decay_step 20 --network_type $network_type
python3.5 test.py --load_model_dir $dir$count --gpu $gpu --sequence_length $seq --network_type $network_type
#
count="_4/"
python3.5 train.py --save_dir $dir$count --gpu $gpu --sequence_length $seq --batch_size $batch --decay_rate 0.93 --decay_step 50 --network_type $network_type
python3.5 test.py --load_model_dir $dir$count --gpu $gpu --sequence_length $seq --network_type $network_type
#
count="_5/"
python3.5 train.py --save_dir $dir$count --gpu $gpu --sequence_length $seq --batch_size $batch --decay_rate 0.95 --decay_step 50 --network_type $network_type
python3.5 test.py --load_model_dir $dir$count --gpu $gpu --sequence_length $seq --network_type $network_type
#
count="_6/"
python3.5 train.py --save_dir $dir$count --gpu $gpu --sequence_length $seq --batch_size $batch --decay_rate 0.98 --decay_step 100 --network_type $network_type
python3.5 test.py --load_model_dir $dir$count --gpu $gpu --sequence_length $seq --network_type $network_type
#
count="_7/"
python3.5 train.py --save_dir $dir$count --gpu $gpu --sequence_length $seq --batch_size $batch --decay_rate 0.98 --decay_step 1000 --network_type $network_type
python3.5 test.py --load_model_dir $dir$count --gpu $gpu --sequence_length $seq --network_type $network_type
#