LittleSJL

您好作者，再次就代码中模型迭代次数（训练次数, max_eopoch）提出一些问题： 在您的原始代码中，max_eopch设置的是100，但我在实际跑模型的过程中发现大概10次左右（可能7，8次；可能12，13次），模型在训练集上的loss和在测试集上的F1值就会出现波动，所以再往后训练，即使loss会不断下降，大概率会overfit，所以我最终把训练次数设置在了10次左右。 我想问的是： 1、您设置100次的目的或者根据是什么呢？你在实际跑模型的时候具体用的是多少呢？（数据集我用的就是您给的） 2、为什么无论是用您给的ID_CNN或者LSTM，模型都收敛这么慢呢（我在别的github项目中用同样的数据集，大部分都是3、4次就收敛了），是否和loss的计算有关呢？请问这是10次左右才收敛是正常的吗？ 希望能得到您的解答，谢谢！

我想请问一下，Foolnltk模型训练使用的是什么数据集呢？我看好像您没有说明，或者是我没找到，请问能告知一下吗？

有一些关于训练和结果的问题，麻烦作者，您能解答一下

1

@ray1007 作者，您好，我读过了您的论文，关于整个的训练过程，我的理解是 （1）先找好语料，构建位图，训练convAE，抽取出 glyphs features （2）通过上述的 glyphs，去增强word representation的表达 我有如下疑问： （1）我看github文件中，您只放出了char_glyph_feat.txt文件，那使用char_glyph_feat增强得到的词向量/子向量，是需要我们自己根据我们自己的数据集去训练吗 （2）我看您使用的是繁体中文得到的char_glyph_feat，那如果我的数据集是简体中文，按照上面的训练过程，我是需要自己构建位图，训练模型提取char_glyph_feat，然后再去做 词/字向量的 增强是吗 非常感谢您做的这些关于中文词向量的研究，同时希望能得到您的解答。