PyTorch下用LSTM+CRF进行命名实体识别

Batch大小为16,循环次数为45次,通过在线上环境完成训练,模型最优精度评分为78.23。

得分记录
2019-09-13

Batch Size 数据为 16 ,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 72.72 。

22:22:29

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 68.71 。

21:41:30

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 68.7 。

21:07:54

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 71.86 。

20:46:51

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 71.99 。

19:48:47

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 71.12 。

18:52:22

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 68.5 。

18:10:40

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 67.5 。

16:37:55

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 72.74 。

16:08:00

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 67 。

15:39:39
2019-09-13

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 78.23 。

10:42:44

Batch Size 数据为 16 ,Epoch循环次数为 45 次, 通过在线上环境完成训练,模型最优精度评分为 38.55 。

09:28:43