01 TextRNN & FastText & TextCNN-04-训练要点,实验过程

TextRNN & FastText & TextCNN-03-模型总览,后

训练要点

RNN训练

得出来的y(m)(预测标签)是每一个分类的概率,比如是一个五分类,化成5个格子,每一个格子是概率,5个格子加起来是1

损失

有多任务怎么计算loss,通过一个线性的一个变换来将所有的这些loss累加到一起。

大M就是代表我们有多少任务,比如我们有4个数据集,M就等于4

λm是权重,4个任务的权重不一样

数据的选择

训练方法:

1.随机选择一项任务;

2.从该任务中随机选择一个训练样本;

3.根据基于梯度的优化

(paper 中使用 Adagradupdate rule)来更新参数;

4.重复 1-3 步。

微调

预训练

对于模型三来说,共享层可以用所有的任务数据(4个数据集)进行预训练。模型三就可以获得四个数据集的所有信息。

用无监督的方法去预训练一些信息。

实验设置和结果分析

实验结果和分析知识树

数据集

4个数据集

SST-1:5个情绪类别的电影影评,来自斯坦福情感数据库

SST-2:2分类电影影评,来自斯坦福数据库

SUBJ:主观性数据集,任务目的是将句子分为主观和客观

IMDB:2分类的电影影评,大多数评价为长句子

数据的对比

超参与训练

使用 word2vec在维基语料获得词向量,字典规模约 500,000。词嵌入在训练过程中被微调以提高性能;其他参数在-0.1,0.1的范围随机采样,超参数将选择在验证集上性能最好的一组。对于没有验证集的数据集使用 10 折交叉验证。

特定任务和共享层的嵌入大小为 64。对于模型一,每个单词有两个嵌入,大小都为 64。
LSTM 的隐藏层大小为 50。初始学习率为0.1。参数的正则化权值为 10^-5.

相关推荐
forest_091 小时前
《AI 编程 Harness 实战手册》04|审批这道门:点了一百次“允许”,还剩多少作用?
人工智能·算法·prompt·agi
火山引擎开发者社区2 小时前
当 RPA 遇上 Agent:MUA 混合执行 Workflow 深度拆解
人工智能
严肃小白兔3 小时前
第 10/24 期:深度神经网络的自动求导机制与梯度验证
人工智能·神经网络·dnn
火山引擎开发者社区3 小时前
定档12.16-12.18!FORCE原动力大会上海见!
人工智能
努力的MM1233 小时前
CAIE 二级和阿里云大模型 ACP 怎么选?企业 AI 工程与云平台开发能力对比
人工智能
老金带你玩AI3 小时前
Kling Image 4.0来了!8K和组图直出,电商人的提效神器?
人工智能
孟健3 小时前
用 unslop 拯救 AI 生成网页的塑料感,7 分钟重构落地实测
前端·人工智能·ai编程
stormzhangV4 小时前
Google 重返第一梯队
人工智能·google·aigc
十有八七4 小时前
手搓 Agent(五):学会翻书——RAG,先查资料再回答
前端·人工智能·后端