PyTorch基于BERT的预测实例:对话机器人

Batch大小为18,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3.33。

得分记录
2020-07-20

Batch Size 数据为 18 ,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 3.27 。

16:18:59

Batch Size 数据为 18 ,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 3.33 。

01:38:33

Batch Size 数据为 17 ,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 3.05 。

11:54:28
2020-07-18

Batch Size 数据为 17 ,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 3.23 。

21:37:47

Batch Size 数据为 14 ,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 2.83 。

04:07:41
2020-07-14

Batch Size 数据为 42 ,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 3.05 。

19:47:19
2020-07-12

Batch Size 数据为 28 ,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 2.57 。

01:09:10
2020-07-08

Batch Size 数据为 28 ,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 2.63 。

17:35:42
2020-07-05

Batch Size 数据为 28 ,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 2.53 。

14:35:27
2020-07-01

Batch Size 数据为 28 ,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 2.1 。

06:26:57

Batch Size 数据为 16 ,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 1.71 。

18:59:34