jrcxb

max_ins_id = torch.max(out[:, label], 0)[1] print('max_ins_id.data:', max_ins_id.data)这个就只输出max_ins_id.data: tensor(2)这个了啊 后面再进行.numpy()[0]操作应该肯定会报错哇 我查了size这些是对的呢

另外再问下max_ins_id 这个是不是就是求得预测概率最大的那个句子index？

恩 我的版本就是Python3.X+Pytorch0.4的 有些地方不兼容 max_ins_id = max_ins_id.data.numpy()[1]这句 我把后面的[1]去掉了 因为看到只有1个元素 现在可以跑通 但是out在几轮训练后出现了很多nan。。。

好，我先换成0.3x 以及python2.7试试，后面再看看能否改成新版本

楼主，我换了0.3x 以及python2.7 但是貌似还是训练有问题，误差越训练越大，能帮忙看下数据这些有问题吗，多谢！

bag_feature中的数据格式这种有问题不 ('bag_npy:', array([[list([0, 0]), 1, list([[0, 2, 4, 525, 6, 112, 15099, 2138, 6, 4149, 2, 0, 2, 8, 5338, 2138, 6, 335, 2, 20, 904, 73, 908, 9, 1083,...

嗯 是用的大数据集NYT. PCNN_ONE这个模型能用FilterNYT这个数据吗

data = select_instance(model, data, label) 这句的作用是什么啊？问题应该出在这个函数里

问题已解决 self.mask_embedding = nn.Embedding(4, 3) self.mask_embedding.weight.data.copy_(self.masks)这个mask的权重在训练时会莫名奇妙一直增大，导致out很大，我理解这个权重应该是个常量才对[[0,0,0],[1,0,0],[0,1,0],[0,0,1]]，不知道理解的是否正确

为什么我用pcnn比不用pcnn的效果要差呢 precision+recall不到0.5 不用pcnn precision+recall可以达到0.8~0.9 楼主那边的实验结果是怎样的啊？