基于BERT、PyTorch实现文本相似度

Batch大小为32,循环次数为5次,损失函数优化完,最终完成评分为82.89。

得分记录
2019-12-11

Batch Size 数据为 32 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 80.76

06:43:34

Batch Size 数据为 32 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 77.22

07:11:52
2019-12-09

Batch Size 数据为 32 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 80.35

02:33:45
2019-12-07

Batch Size 数据为 32 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 71.81

16:45:19
2019-12-05

Batch Size 数据为 64 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 72.22

18:16:54
2019-12-04

Batch Size 数据为 64 ,Epoch循环次数为 3 次,损失函数优化完,最终完成评分为 73

14:15:33
2019-12-03

Batch Size 数据为 64 ,Epoch循环次数为 3 次,损失函数优化完,最终完成评分为 73.1

17:45:52

Batch Size 数据为 32 ,Epoch循环次数为 3 次,损失函数优化完,最终完成评分为 69.07

12:14:41
2019-11-30

Batch Size 数据为 64 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 77.86

17:11:59

Batch Size 数据为 64 ,Epoch循环次数为 3 次,损失函数优化完,最终完成评分为 75.75

20:00:54
2019-11-27

Batch Size 数据为 32 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 82.89

12:15:10
2019-11-26

Batch Size 数据为 32 ,Epoch循环次数为 7 次,损失函数优化完,最终完成评分为 75.64

00:30:40

Batch Size 数据为 32 ,Epoch循环次数为 3 次,损失函数优化完,最终完成评分为 73.06

07:12:41
2019-11-23

Batch Size 数据为 32 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 69.06

11:38:51

Batch Size 数据为 32 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 66.95

00:04:20