TensorFlow基于bert的预测实例:文本可接受度

Batch大小为48,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83.69。

得分记录
2019-06-15

Batch Size 数据为 48 ,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 82.6 。

15:27:30

Batch Size 数据为 48 ,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 82.8 。

14:39:34

Batch Size 数据为 48 ,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 83.01 。

14:02:56

Batch Size 数据为 48 ,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 76.34 。

13:28:00

Batch Size 数据为 48 ,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 83.32 。

09:45:41

Batch Size 数据为 48 ,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 81.08 。

09:05:22

Batch Size 数据为 48 ,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 80.3 。

08:41:33

Batch Size 数据为 48 ,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 83.27 。

08:06:32
2019-06-15

Batch Size 数据为 48 ,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 82.91 。

01:19:11

Batch Size 数据为 48 ,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 80.67 。

00:12:01

Batch Size 数据为 48 ,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 82.28 。

23:38:21

Batch Size 数据为 48 ,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 83.17 。

23:03:59

Batch Size 数据为 48 ,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 83.48 。

22:29:18

Batch Size 数据为 48 ,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 83.32 。

21:46:59

Batch Size 数据为 48 ,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 82.86 。

21:08:30

Batch Size 数据为 48 ,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 83.53 。

20:31:43

Batch Size 数据为 48 ,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 83.64 。

19:19:36

Batch Size 数据为 48 ,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 82.8 。

18:33:15

Batch Size 数据为 48 ,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 82.7 。

17:38:48
2019-06-14

Batch Size 数据为 48 ,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 83.01 。

16:30:59

Batch Size 数据为 48 ,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 82.39 。

15:56:12

Batch Size 数据为 48 ,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 83.59 。

15:10:22

Batch Size 数据为 48 ,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 81.97 。

14:16:00

Batch Size 数据为 48 ,Epoch循环次数为 6 次, 通过在线上环境完成训练,模型最优精度评分为 79.16 。

11:52:31

Batch Size 数据为 48 ,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 82.49 。

10:54:22

Batch Size 数据为 48 ,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 83.17 。

10:06:06
2019-06-13

Batch Size 数据为 48 ,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 82.86 。

18:20:57

Batch Size 数据为 48 ,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 83.17 。

17:46:35

Batch Size 数据为 48 ,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 83.32 。

17:14:44

Batch Size 数据为 48 ,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 83.69 。

16:26:37

Batch Size 数据为 48 ,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 81.45 。

15:44:04

Batch Size 数据为 48 ,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 83.43 。

14:53:17

Batch Size 数据为 48 ,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 72.28 。

14:14:15

Batch Size 数据为 48 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 82.65 。

11:26:05

Batch Size 数据为 48 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 82.96 。

10:20:26
2019-06-12

Batch Size 数据为 48 ,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 81.71 。

20:29:11

Batch Size 数据为 32 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 83.59 。

10:46:57
2019-06-11

Batch Size 数据为 32 ,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 71.7 。

17:31:22

Batch Size 数据为 48 ,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 71.76 。

10:18:30
2019-06-10

Batch Size 数据为 48 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 71.76 。

16:03:29

Batch Size 数据为 48 ,Epoch循环次数为 12 次, 通过在线上环境完成训练,模型最优精度评分为 66.02 。

15:09:46

Batch Size 数据为 48 ,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 71.76 。

14:11:33