CoderMusou
训练结果
微博数据集 FitlogCallback evaluation on data-test: SpanFPreRecMetric: f=0.577723, pre=0.591479, rec=0.564593 label_acc: acc=0.957026 Evaluation on dev at Epoch 50/50. Step:6750/6750: SpanFPreRecMetric: f=0.627097, pre=0.629534, rec=0.624679 label_acc: acc=0.961509
In Epoch:48/Step:6480, got best dev performance: SpanFPreRecMetric: f=0.640327, pre=0.681159, rec=0.604113 label_acc: acc=0.964209 Reloaded the best model.
resume数据集 FitlogCallback evaluation on data-test: SpanFPreRecMetric: f=0.947818, pre=0.942927, rec=0.952761 label_acc: acc=0.966689 Evaluation on dev at Epoch 50/50. Step:19150/19150: SpanFPreRecMetric: f=0.938288, pre=0.932103, rec=0.944556 label_acc: acc=0.969474
In Epoch:22/Step:8426, got best dev performance: SpanFPreRecMetric: f=0.941294, pre=0.934783, rec=0.947896 label_acc: acc=0.966883 Reloaded the best model.
您好，我跑了一下这两个数据集，可是数据结果并没有达到论文的水平，resume的第22个epoch为f=0.944733, pre=0.940426, rec=0.94908，weibo的第48个epoch为f=0.597132, pre=0.65616, rec=0.547847。请问可能是什么原因呢？是因为我用的不是标准的在线新华字典的原因嘛？
请问你用的汉字结构部件来自哪里？
用的这个 https://github.com/kfcd/chaizi
readme中有提到，这是一个替代方案，最好能与论文中保持一致。
请问为啥设置的epoch是100，跑却是50个epoch呢，改也没效果啊
main.py里面有预设值的epoch的地方，你可以改一下那里。但是改为100也没用啊，作者写50，说明epoch50就已经够了的。
刚刚找到可以改的地方了，作者在247-298行固定了每个数据集的超参，谢谢您的回复
------------------ 原始邮件 ------------------ 发件人: "CoderMusou/MECT4CNER" @.>; 发送时间: 2022年5月6日(星期五) 晚上9:30 @.>; @.@.>; 主题: Re: [CoderMusou/MECT4CNER] 训练结果 (Issue #19)
请问为啥设置的epoch是100，跑却是50个epoch呢，改也没效果啊
main.py里面有预设值的epoch的地方，你可以改一下那里。但是改为100也没用啊，作者写50，说明epoch50就已经够了的。
— Reply to this email directly, view it on GitHub, or unsubscribe. You are receiving this because you commented.Message ID: @.***>
