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,损失函数优化完,最终完成评分为84.87。

得分记录
2019-09-27

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 83.27

04:48:31

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.82

14:33:15
2019-09-26

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 74.67

07:15:37
2019-09-24

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 82.12

10:59:31

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 81.95

09:32:22

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 83.65

08:32:21

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 82.97

00:50:07
2019-09-23

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 83.26

12:17:44

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 83.57

08:52:41

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 81.37

08:28:38

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 84.87

08:09:35

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 83.31

07:58:14

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 82.63

07:45:49

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 82.37

07:30:20
2019-09-23

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 84.56

00:14:29

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 82.13

19:50:12

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 83.68

17:11:28

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 81.9

16:10:24
2019-09-17

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 81.36

23:18:50

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 81.02

22:49:29

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 81.65

22:29:11

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 80.94

22:01:00

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 80.78

21:45:55

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 74.38

21:29:02

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 80.32

21:09:09

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.35

17:35:25

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 78.87

16:54:39

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 79.01

16:37:33

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 78.18

16:23:11

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.59

16:00:52
2019-09-17

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.54

12:31:15

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.91

12:11:31

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 78.76

11:34:25

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.97

11:14:55
2019-09-17

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 74.83

00:15:22
2019-09-16

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 75.35

08:10:51

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.62

07:36:16
2019-09-15

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 80.21

22:20:56

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.78

21:29:31

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.54

21:05:31

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.36

20:39:06

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.62

20:21:32

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 53.45

19:48:46

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 74.48

19:36:43

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 75.15

19:16:10

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.43

18:52:02

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 75.11

18:00:07

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 79.34

16:34:46

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 74.26

15:57:14

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.88

14:58:44

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.28

14:35:33
2019-09-15

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.31

09:20:54

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 73.22

08:59:08
2019-09-14

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.41

19:34:44

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 71.85

18:13:12

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.4

17:35:51

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 71.49

12:11:51

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 73.94

11:24:55
2019-09-14

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.62

11:09:11
2019-09-13

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.49

18:53:46

Batch Size 数据为 128 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 50.2

18:15:45
2019-09-12

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.47

21:13:02

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.5

21:00:03

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.07

18:28:41

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.49

17:26:31

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76

16:45:49

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.73

16:03:17

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.06

15:29:33

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.32

14:54:07

Batch Size 数据为 688 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.07

14:18:41

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 76.36

13:17:27
2019-09-12

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 77.39

11:39:34
2019-09-11

Batch Size 数据为 64 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 75.73

17:46:33

Batch Size 数据为 128 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 76.78

15:46:51
2019-09-10

Batch Size 数据为 128 ,Epoch循环次数为 2 次,损失函数优化完,最终完成评分为 74.19

17:14:23
2019-09-09

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 68.57

22:29:00

Batch Size 数据为 128 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 69.8

19:27:23
2019-09-09

Batch Size 数据为 128 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 73.27

02:11:06

Batch Size 数据为 64 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 68.77

21:00:33
2019-09-04

Batch Size 数据为 128 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 69.38

14:08:43

Batch Size 数据为 64 ,Epoch循环次数为 10000 次,损失函数优化完,最终完成评分为 0.57

04:30:19
2019-09-03

Batch Size 数据为 128 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 53.53

23:04:12
2019-09-02

Batch Size 数据为 256 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 23.66

23:36:18
2019-09-01

Batch Size 数据为 256 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 70.04

23:59:20

Batch Size 数据为 128 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 46.69

23:10:32