如何优雅的使用LSTM+CRF、TensorFlow实现命名实体识别任务,准确率84.87%

Batch大小为500,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84.87。

得分记录
2019-09-27

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 83.27 。

04:48:31

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 77.82 。

14:33:15
2019-09-26

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 74.67 。

07:15:37
2019-09-24

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 82.12 。

10:59:31

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 81.95 。

09:32:22

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 83.65 。

08:32:21

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 82.97 。

00:50:07
2019-09-23

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 83.26 。

12:17:44

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 83.57 。

08:52:41

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 81.37 。

08:28:38

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 84.87 。

08:09:35

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 83.31 。

07:58:14

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 82.63 。

07:45:49

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 82.37 。

07:30:20
2019-09-23

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 84.56 。

00:14:29

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 82.13 。

19:50:12

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 83.68 。

17:11:28

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 81.9 。

16:10:24
2019-09-17

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 81.36 。

23:18:50

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 81.02 。

22:49:29

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 81.65 。

22:29:11

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 80.94 。

22:01:00

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 80.78 。

21:45:55

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 74.38 。

21:29:02

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 80.32 。

21:09:09

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 77.35 。

17:35:25

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 78.87 。

16:54:39

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 79.01 。

16:37:33

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 78.18 。

16:23:11

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 76.59 。

16:00:52
2019-09-17

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 77.54 。

12:31:15

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 77.91 。

12:11:31

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 78.76 。

11:34:25

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 77.97 。

11:14:55
2019-09-17

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 74.83 。

00:15:22
2019-09-16

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 75.35 。

08:10:51

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 77.62 。

07:36:16
2019-09-15

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 80.21 。

22:20:56

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 76.78 。

21:29:31

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 77.54 。

21:05:31

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 77.36 。

20:39:06

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 76.62 。

20:21:32

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 53.45 。

19:48:46

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 74.48 。

19:36:43

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 75.15 。

19:16:10

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 77.43 。

18:52:02

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 75.11 。

18:00:07

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 79.34 。

16:34:46

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 74.26 。

15:57:14

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 77.88 。

14:58:44

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 77.28 。

14:35:33
2019-09-15

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 77.31 。

09:20:54

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 73.22 。

08:59:08
2019-09-14

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 76.41 。

19:34:44

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 71.85 。

18:13:12

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 77.4 。

17:35:51

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 71.49 。

12:11:51

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 73.94 。

11:24:55
2019-09-14

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 77.62 。

11:09:11
2019-09-13

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 76.49 。

18:53:46

Batch Size 数据为 128 ,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 50.2 。

18:15:45
2019-09-12

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 76.47 。

21:13:02

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 77.5 。

21:00:03

Batch Size 数据为 256 ,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 77.07 。

18:28:41

Batch Size 数据为 256 ,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 76.49 。

17:26:31

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 76 。

16:45:49

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 77.73 。

16:03:17

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 77.06 。

15:29:33

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 76.32 。

14:54:07

Batch Size 数据为 688 ,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 76.07 。

14:18:41

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 76.36 。

13:17:27
2019-09-12

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 77.39 。

11:39:34
2019-09-11

Batch Size 数据为 64 ,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 75.73 。

17:46:33

Batch Size 数据为 128 ,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 76.78 。

15:46:51
2019-09-10

Batch Size 数据为 128 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 74.19 。

17:14:23
2019-09-09

Batch Size 数据为 256 ,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 68.57 。

22:29:00

Batch Size 数据为 128 ,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 69.8 。

19:27:23
2019-09-09

Batch Size 数据为 128 ,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 73.27 。

02:11:06

Batch Size 数据为 64 ,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 68.77 。

21:00:33
2019-09-04

Batch Size 数据为 128 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 69.38 。

14:08:43

Batch Size 数据为 64 ,Epoch循环次数为 10000 次, 通过在线上环境完成训练,模型最优精度评分为 0.57 。

04:30:19
2019-09-03

Batch Size 数据为 128 ,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 53.53 。

23:04:12
2019-09-02

Batch Size 数据为 256 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 23.66 。

23:36:18
2019-09-01

Batch Size 数据为 256 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 70.04 。

23:59:20

Batch Size 数据为 128 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 46.69 。

23:10:32