通过TensorFlow进行LSTM+CRF的神经网络构筑,命名实体识别

Batch大小为1024,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63.27。

得分记录
2019-09-11

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 51.08 。

20:17:30
2019-08-24

Batch Size 数据为 1024 ,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 18.13 。

14:04:54

Batch Size 数据为 1024 ,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 18.93 。

12:14:30

Batch Size 数据为 1024 ,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 63.27 。

10:42:52
2019-08-15

Batch Size 数据为 1024 ,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 21.01 。

03:03:04
2019-08-14

Batch Size 数据为 1024 ,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 30.01 。

11:35:35

Batch Size 数据为 1024 ,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 39.62 。

09:53:22
2019-06-17

Batch Size 数据为 256 ,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 6.33 。

19:21:39