IncreProtoNet
IncreProtoNet copied to clipboard
betterAndTogether
BERT结果不对应
你好，我这边复现的下论文结果，但是发现，BERT的1shot和5shot，跑不出论文的效果，请问是参数不对么，还是其他原因呢？（其他都可以） 我跑的是：
1 shot base | novel | both 80.12 | 60.06| 78.42
5 shot base | novel | both 78.53 | 73.65| 78.11
你好，我这边复现的下论文结果，但是发现，BERT的1shot和5shot，跑不出论文的效果，请问是参数不对么，还是其他原因呢？（其他都可以） 我跑的是：
1 shot base | novel | both 80.12 | 60.06| 78.42
5 shot base | novel | both 78.53 | 73.65| 78.11
你好，base, novel 与both的识别性能是一个平衡的关系。三个方面的实验结果依赖于第一阶段的base关系的预训练，BERT下会易过拟合。你可以第一阶段预训练是设置早停机制。如设置训练8000step。
你好，我这边复现的下论文结果，但是发现，BERT的1shot和5shot，跑不出论文的效果，请问是参数不对么，还是其他原因呢？（其他都可以） 我跑的是： 1 shot base | novel | both 80.12 | 60.06| 78.42 5 shot base | novel | both 78.53 | 73.65| 78.11
你好，base, novel 与both的识别性能是一个平衡的关系。三个方面的实验结果依赖于第一阶段的base关系的预训练，BERT下会易过拟合。你可以第一阶段预训练是设置早停机制。如设置训练8000step。
您好，在第一阶段设置8000step后，其他参数未变的情况下，bert的5-shot跑不出论文的效果，分类偏向base关系，请问是还有哪里的参数需要调整吗？ 我跑出的结果： 5-shot base | novel | both 86.27 | 52.95| 83.45
你好，我这边复现的下论文结果，但是发现，BERT的1shot和5shot，跑不出论文的效果，请问是参数不对么，还是其他原因呢？（其他都可以） 我跑的是： 1 shot base | novel | both 80.12 | 60.06| 78.42 5 shot base | novel | both 78.53 | 73.65| 78.11
你好，base, novel 与both的识别性能是一个平衡的关系。三个方面的实验结果依赖于第一阶段的base关系的预训练，BERT下会易过拟合。你可以第一阶段预训练是设置早停机制。如设置训练8000step。
您好，在第一阶段设置8000step后，其他参数未变的情况下，bert的5-shot跑不出论文的效果，分类偏向base关系，请问是还有哪里的参数需要调整吗？ 我跑出的结果： 5-shot base | novel | both 86.27 | 52.95| 83.45
论文提出的是一个基于原型网络，base relation 和 增量加入的novel relation 会共享相同特征空间且其表示会相互影响（这也metric learning的缺点）。其中参数包括：第一阶段训练base prototype的步数和pl_weight、triplet loss中涉及的triplet_num、margin会影响到性能结果；需要平衡兼顾base 与 novel relation之间关系.
你好，我这边复现的下论文结果，但是发现，BERT的1shot和5shot，跑不出论文的效果，请问是参数不对么，还是其他原因呢？（其他都可以） 我跑的是： 1 shot base | novel | both 80.12 | 60.06| 78.42 5 shot base | novel | both 78.53 | 73.65| 78.11
你好，base, novel 与both的识别性能是一个平衡的关系。三个方面的实验结果依赖于第一阶段的base关系的预训练，BERT下会易过拟合。你可以第一阶段预训练是设置早停机制。如设置训练8000step。
您好，在第一阶段设置8000step后，其他参数未变的情况下，bert的5-shot跑不出论文的效果，分类偏向base关系，请问是还有哪里的参数需要调整吗？ 我跑出的结果： 5-shot base | novel | both 86.27 | 52.95| 83.45
论文提出的是一个基于原型网络，base relation 和 增量加入的novel relation 会共享相同特征空间且其表示会相互影响（这也metric learning的缺点）。其中参数包括：第一阶段训练base prototype的步数和pl_weight、triplet loss中涉及的triplet_num、margin会影响到性能结果；需要平衡兼顾base 与 novel relation之间关系.
感谢回复！再请教一下在bert 5-shot的情景下，这些参数的默认值因如何修改？尝试了第一阶段训练6000/7000/8000step，结果与论证中结果还是有所出入
你好，我这边复现的下论文结果，但是发现，BERT的1shot和5shot，跑不出论文的效果，请问是参数不对么，还是其他原因呢？（其他都可以） 我跑的是： 1 shot base | novel | both 80.12 | 60.06| 78.42 5 shot base | novel | both 78.53 | 73.65| 78.11
你好，base, novel 与both的识别性能是一个平衡的关系。三个方面的实验结果依赖于第一阶段的base关系的预训练，BERT下会易过拟合。你可以第一阶段预训练是设置早停机制。如设置训练8000step。
您好，在第一阶段设置8000step后，其他参数未变的情况下，bert的5-shot跑不出论文的效果，分类偏向base关系，请问是还有哪里的参数需要调整吗？ 我跑出的结果： 5-shot base | novel | both 86.27 | 52.95| 83.45
你好，请问可以交流一下吗，我也遇到了类似的问题。
