通过TensorFlow进行Transformer+CRF的神经网络构筑,命名实体识别

Batch大小为16,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为77.66。

得分记录
2020-03-31

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 71.93 。

16:24:45

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 75.24 。

15:51:29

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 77.66 。

14:41:29

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 77.01 。

13:21:36

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 74.97 。

12:17:33

Batch Size 数据为 32 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 72.5 。

11:06:48

Batch Size 数据为 128 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 66.95 。

10:40:43

Batch Size 数据为 128 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 57.04 。

10:21:34
2020-03-30

Batch Size 数据为 128 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 55.7 。

19:06:52

Batch Size 数据为 128 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 55.79 。

18:48:41

Batch Size 数据为 128 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 67.2 。

18:26:06

Batch Size 数据为 512 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 65.35 。

17:58:02
2020-03-26

Batch Size 数据为 512 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 65.93 。

18:40:33