基于LSTM、PyTorch实现文本相似度

Batch大小为256,循环次数为300次,损失函数优化完,最终完成评分为83.37。

得分记录
2019-12-02

Batch Size 数据为 32 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 63.16

00:57:36
2019-12-01

Batch Size 数据为 32 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 75.23

03:07:54
2019-11-29

Batch Size 数据为 256 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 83.37

06:37:56

Batch Size 数据为 256 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 83.25

22:12:33

Batch Size 数据为 256 ,Epoch循环次数为 3 次,损失函数优化完,最终完成评分为 63.16

17:09:12
2019-11-27

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 63.17

21:47:04
2019-11-26

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 68.57

23:35:10

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 63.16

22:26:27

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 66.98

21:36:05

Batch Size 数据为 128 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 63.16

21:20:28