使用PyTorch构建BERT进行文本分类,准确率89.9%

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89.90。

得分记录
2019-11-20

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 89.3 。

18:21:31

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 89.9 。

15:42:19
2019-11-20

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 82.4 。

06:18:27
2019-11-19

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 89.25 。

03:33:44

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 89.15 。

20:50:18
2019-10-23

Batch Size 数据为 128 ,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 9.15 。

18:38:51

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 8.25 。

14:17:05