models |
tensorflow |
pytorch |
fastText |
Yes |
Yes |
TextCNN |
Yes |
Yes |
TextRNN |
Yes |
Yes |
TextRCNN |
Yes |
False |
train_size |
test_size |
1w |
1w |
2w |
1w |
3w |
1w |
4w |
1w |
训练数据大小 |
batch_size |
loss |
acc |
运行时间 |
2.5w |
128 |
0.717 |
0.839 |
- |
训练数据大小 |
batch_size |
loss |
acc |
运行时间 |
2.5w |
128 |
0.537 |
0.878 |
- |
训练数据大小 |
batch_size |
loss |
acc |
运行时间 |
2.5w |
128 |
0.417 |
0.843 |
- |
dropout=0.5: 过拟合效果降低,准确率也有所降低
epoch=5:
Train Loss:0.303 Train Accuracy:0.883
Validation Loss:0.425 Validation Accuracy: 0.824
训练数据大小 |
batch_size |
loss |
acc |
运行时间 |
2.5w |
128 |
0.444 |
0.879 |
- |
训练数据大小 |
batch_size |
loss |
acc |
运行时间 |
2.5w |
128 |
0.07620274275541306 |
0.85 |
- |
训练数据大小 |
batch_size |
loss |
acc |
运行时间 |
2.5w |
50 |
0.0011307994136586785 |
0.8 |
- |
训练数据大小 |
batch_size |
loss |
acc |
运行时间 |
2.5w |
400 |
- |
- |
- |
只保存当前val_acc高于历史最佳acc的模型数据,包含模型权重、图等
TODO:
3. 只跑GPU
4. tensorflow 部分对预训练向量处理
5. pytorch张量改为GPU张量,tensorflow也需要做相应处理