Magicat128
Magicat128
Hi @lvkd84 Please try running full 200 epochs without early stopping.
@yefeiyeluo 你好，是默认参数才70吗，有做过什么改动吗？可能batch_size可以设大一些，hidden_size可以适当调小。
@yefeiyeluo 使用预设的默认参数应该不至于差这么多，我在本地又重新运行了一下应该没有问题。方便发一下您的环境配置及运行日志吗，也可以发我邮箱[email protected]。
你好 @lockingkao 目前还没有支持 multi-label 问题，如果不修改代码可以同时训练多个二分类模型，可能会比较慢，或者根据问题调整代码。
@lockingkao 应该是可以的，将标签改为one-hot，softmax改为sigmoid，损失函数可能也要相应改成sigmoid_cross_entropy_with_logits。 参考 [Example](https://stats.stackexchange.com/questions/207794/what-loss-function-for-multi-class-multi-label-classification-tasks-in-neural-n)。
@lockingkao 抱歉回复晚了。应该是因为y_true中的标签有的没出现在y_pred中，导致指标计算有除0存在，和代码应该没有关系。建议要么解决样本不均衡的问题，要么加上zero_division=1忽略这一问题 https://scikit-learn.org/stable/modules/generated/sklearn.metrics.precision_recall_fscore_support.html
@whateverud 您好，看起来好像计算精度有些问题，请问有在其他机器上运行过吗？比如linux系统
@howingjan 您好，看起来似乎是colab超出内存限制了，请查阅colab tcmalloc相关信息或尝试更换更大内存的机器。
@Tansy-Tansy 您好，取10次随机种子即可。如果不同方法对比时不能统一划分数据，多次划分也是可以的。
@ysgncss 你好，batch size大是因为：1. 计算效率高，减少训练时间；2. 训练震荡小，收敛速度快。