基于TensorFlow+LSTM+CRF的命名实体识别

Batch大小为128,循环次数为150次,通过在线上环境完成训练,模型最优精度评分为76.67。

得分记录
2019-06-18

Batch Size 数据为 128 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 71.74 。

20:18:36

Batch Size 数据为 32 ,Epoch循环次数为 150 次, 通过在线上环境完成训练,模型最优精度评分为 73.05 。

20:08:59

Batch Size 数据为 128 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 71.02 。

19:48:37

Batch Size 数据为 128 ,Epoch循环次数为 150 次, 通过在线上环境完成训练,模型最优精度评分为 76.67 。

19:18:27

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 75.61 。

19:07:25

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 68.5 。

18:57:08
2019-06-17

Batch Size 数据为 32 ,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 0.91 。

16:48:33
2019-06-14

Batch Size 数据为 64 ,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 63.87 。

20:20:01

Batch Size 数据为 128 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 73.63 。

17:36:45

Batch Size 数据为 128 ,Epoch循环次数为 40 次, 通过在线上环境完成训练,模型最优精度评分为 32.74 。

17:27:48

Batch Size 数据为 32 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 37.03 。

16:49:14

Batch Size 数据为 100 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 69.84 。

15:49:05