通过TensorFlow进行LSTM+CRF的神经网络构筑,命名实体识别

Batch大小为128,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74.53。

得分记录
2019-06-16

Batch Size 数据为 128 ,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 69.53 。

22:28:46

Batch Size 数据为 128 ,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 71.36 。

22:17:20

Batch Size 数据为 128 ,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 。

22:03:12

Batch Size 数据为 128 ,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 50.5 。

16:33:40

Batch Size 数据为 128 ,Epoch循环次数为 130 次, 通过在线上环境完成训练,模型最优精度评分为 72.03 。

16:20:56

Batch Size 数据为 128 ,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 74.53 。

16:09:30

Batch Size 数据为 128 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 71.98 。

15:52:13
2019-06-13

Batch Size 数据为 128 ,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 50.21 。

15:04:38

Batch Size 数据为 100 ,Epoch循环次数为 108 次, 通过在线上环境完成训练,模型最优精度评分为 52.96 。

14:36:28

Batch Size 数据为 100 ,Epoch循环次数为 108 次, 通过在线上环境完成训练,模型最优精度评分为 57.38 。

14:19:54
2019-06-09

Batch Size 数据为 128 ,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 69.88 。

21:36:40
2019-06-08

Batch Size 数据为 500 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 68.17 。

16:40:25