如何优雅的使用BERT、PyTorch实现文本分类任务,准确率80.94%

Batch大小为256,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为80.94。

得分记录
2020-07-03

Batch Size 数据为 96 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 80.15 。

00:04:18
2020-06-30

Batch Size 数据为 256 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 80.94 。

11:21:08

Batch Size 数据为 128 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 76.79 。

04:02:27
2020-06-27

Batch Size 数据为 128 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 75.24 。

11:31:17

Batch Size 数据为 128 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 59.82 。

05:13:25
2020-06-21

Batch Size 数据为 128 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 54.02 。

07:57:19
2020-06-19

Batch Size 数据为 64 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 0.7 。

17:28:43

Batch Size 数据为 64 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 49.31 。

13:47:01
2020-05-12

Batch Size 数据为 500 ,Epoch循环次数为 4 次, 通过在线上环境完成训练,模型最优精度评分为 35.26 。

20:26:34