分享使用Bi-LSTM和TensorFlow完成对命名实体识别任务,预测结果77.95%

Batch大小为64,循环次数为64次,损失函数优化完,最终完成评分为77.95。

得分记录
2020-02-20

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 8.81

02:28:04
2020-02-17

Batch Size 数据为 64 ,Epoch循环次数为 150 次,损失函数优化完,最终完成评分为 70.29

09:03:40
2020-02-15

Batch Size 数据为 32 ,Epoch循环次数为 150 次,损失函数优化完,最终完成评分为 71.92

20:22:13

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 10.1

23:30:40
2020-02-13

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 2.13

21:34:27

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 68.08

11:04:25
2020-02-12

Batch Size 数据为 32 ,Epoch循环次数为 150 次,损失函数优化完,最终完成评分为 1.08

00:37:37

Batch Size 数据为 64 ,Epoch循环次数为 128 次,损失函数优化完,最终完成评分为 67.47

12:10:37

Batch Size 数据为 64 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 67.7

08:19:49
2020-02-11

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 67.3

02:59:58

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 66.15

22:39:00
2020-02-03

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 70.1

00:38:15
2020-02-02

Batch Size 数据为 32 ,Epoch循环次数为 60 次,损失函数优化完,最终完成评分为 69.65

05:53:52

Batch Size 数据为 32 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 73.98

03:22:35

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 74.03

21:39:04
2020-01-30

Batch Size 数据为 32 ,Epoch循环次数为 128 次,损失函数优化完,最终完成评分为 72.23

13:26:55
2020-01-30

Batch Size 数据为 96 ,Epoch循环次数为 128 次,损失函数优化完,最终完成评分为 75.68

00:54:44

Batch Size 数据为 96 ,Epoch循环次数为 128 次,损失函数优化完,最终完成评分为 73.14

23:46:37

Batch Size 数据为 96 ,Epoch循环次数为 128 次,损失函数优化完,最终完成评分为 68.41

23:02:25

Batch Size 数据为 96 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 77.35

22:16:42

Batch Size 数据为 96 ,Epoch循环次数为 128 次,损失函数优化完,最终完成评分为 71.91

19:47:11

Batch Size 数据为 96 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 76.43

19:01:30

Batch Size 数据为 64 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 75.59

18:34:09

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 72.9

17:59:59
2020-01-29

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 77.27

02:16:02

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 74.42

01:13:52
2020-01-23

Batch Size 数据为 64 ,Epoch循环次数为 84 次,损失函数优化完,最终完成评分为 73.55

02:16:00

Batch Size 数据为 64 ,Epoch循环次数为 84 次,损失函数优化完,最终完成评分为 75.47

01:48:20

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 74.38

01:14:10

Batch Size 数据为 64 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 64.17

00:58:00

Batch Size 数据为 64 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 64.58

00:52:21

Batch Size 数据为 64 ,Epoch循环次数为 84 次,损失函数优化完,最终完成评分为 74.52

19:22:00
2020-01-22

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 73.05

15:53:46
2020-01-22

Batch Size 数据为 64 ,Epoch循环次数为 84 次,损失函数优化完,最终完成评分为 74.46

05:25:35

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 75.38

03:17:52

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 72.44

22:26:56
2020-01-21

Batch Size 数据为 48 ,Epoch循环次数为 150 次,损失函数优化完,最终完成评分为 73.26

18:21:07

Batch Size 数据为 64 ,Epoch循环次数为 120 次,损失函数优化完,最终完成评分为 71.64

16:33:22

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 74.19

15:05:11
2020-01-21

Batch Size 数据为 64 ,Epoch循环次数为 150 次,损失函数优化完,最终完成评分为 72.7

04:15:28

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 71.37

19:50:09
2020-01-20

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 72.1

16:36:42

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 72.38

15:26:59
2020-01-20

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 76.02

03:08:05
2020-01-19

Batch Size 数据为 64 ,Epoch循环次数为 84 次,损失函数优化完,最终完成评分为 70.13

17:56:09

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 72.97

17:21:25

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 72.67

16:31:52
2020-01-18

Batch Size 数据为 16 ,Epoch循环次数为 512 次,损失函数优化完,最终完成评分为 71.86

04:52:01

Batch Size 数据为 512 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 60.25

03:14:37

Batch Size 数据为 256 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 67.24

02:56:55

Batch Size 数据为 256 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 64.77

02:39:40

Batch Size 数据为 64 ,Epoch循环次数为 128 次,损失函数优化完,最终完成评分为 71.02

00:12:32
2020-01-17

Batch Size 数据为 128 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 70.27

18:48:07

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 71.39

18:19:04

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 77.95

17:09:15

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 0.02

15:31:32

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 0.46

15:17:30

Batch Size 数据为 64 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 68.18

13:31:00
2020-01-17

Batch Size 数据为 64 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 66.98

04:37:24

Batch Size 数据为 64 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 70.67

04:14:17

Batch Size 数据为 128 ,Epoch循环次数为 128 次,损失函数优化完,最终完成评分为 59.52

03:42:52