TensorFlow基于BERT的预测实例:文本分类

Batch大小为8,循环次数为16次,损失函数优化完,最终完成评分为39.4。

得分记录
2020-02-12

Batch Size 数据为 16 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 62.5

10:23:29
2020-02-07

Batch Size 数据为 16 ,Epoch循环次数为 8 次,损失函数优化完,最终完成评分为 60.1

20:18:01
2020-02-06

Batch Size 数据为 16 ,Epoch循环次数为 7 次,损失函数优化完,最终完成评分为 63.74

00:07:59

Batch Size 数据为 16 ,Epoch循环次数为 7 次,损失函数优化完,最终完成评分为 66.19

20:41:25
2020-02-05

Batch Size 数据为 16 ,Epoch循环次数为 8 次,损失函数优化完,最终完成评分为 61.87

13:30:55
2020-02-03

Batch Size 数据为 16 ,Epoch循环次数为 7 次,损失函数优化完,最终完成评分为 61.02

13:27:16

Batch Size 数据为 16 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 61.16

12:05:00
2020-02-02

Batch Size 数据为 16 ,Epoch循环次数为 12 次,损失函数优化完,最终完成评分为 64.64

19:49:48

Batch Size 数据为 10 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 62.56

17:02:16

Batch Size 数据为 8 ,Epoch循环次数为 8 次,损失函数优化完,最终完成评分为 60.02

13:51:21
2020-02-01

Batch Size 数据为 8 ,Epoch循环次数为 8 次,损失函数优化完,最终完成评分为 58.72

17:51:04

Batch Size 数据为 8 ,Epoch循环次数为 7 次,损失函数优化完,最终完成评分为 23.28

11:56:32
2020-02-01

Batch Size 数据为 8 ,Epoch循环次数为 12 次,损失函数优化完,最终完成评分为 64.42

02:57:12

Batch Size 数据为 8 ,Epoch循环次数为 8 次,损失函数优化完,最终完成评分为 50.05

17:07:03
2020-01-31

Batch Size 数据为 8 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 29.52

14:56:39

Batch Size 数据为 8 ,Epoch循环次数为 8 次,损失函数优化完,最终完成评分为 37.46

12:11:25
2020-01-30

Batch Size 数据为 32 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 25.14

17:31:46

Batch Size 数据为 32 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 33.72

17:26:06

Batch Size 数据为 32 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 27.36

16:56:33

Batch Size 数据为 32 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 22.05

16:48:02

Batch Size 数据为 32 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 32.51

16:41:31

Batch Size 数据为 32 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 22.05

14:06:09
2020-01-28

Batch Size 数据为 16 ,Epoch循环次数为 8 次,损失函数优化完,最终完成评分为 22.53

19:03:33

Batch Size 数据为 32 ,Epoch循环次数为 4 次,损失函数优化完,最终完成评分为 22.05

12:32:39
2020-01-27

Batch Size 数据为 16 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 22.53

19:35:17
2020-01-24

Batch Size 数据为 8 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 39.4

13:48:37