ljx

你好，这个还不支持多GPU训练，如果要改的话，你可以参考网上的教程，不是很复杂 On Mon, Aug 27, 2018 at 10:14 AM LiPeng wrote: > 感谢博主的无私分享！ > > 目前想在多GPU平台上跑这个模型，但是看model.py里只有device:cpu这个变量，不知道如果改成多gpu的版本，还有哪些参数或设置需要更改啊？ > 先谢过啦！ > > — > You are receiving this because you are subscribed...

你好： 最近忙于毕业材料的事，所以没时间回复。 1. CNN padding的问题：CNN在两侧padding是为了保证卷积得到的feature map与输入一致，我们一般用窄卷积（narrow conv）就行了； 2. 3D卷积核的shape中，1表示的是通道数，这个值也不是恒定为1，例如RGP图像的通道就是3；或者层叠的卷积层，第i层的输入通道即第i-1层的输出通道数（i-1层的卷积核数量）；参数的顺序参考官方文档； 3. 默认参数activation_fn=tf. nn.relu，当时我用的版本可能没有默认激活函数，如果默认是relu的话，那外层就没必要再激活一次了； 4. scope.reuse_variables()应该是为了重用变量，具体不太清楚。 另外，这个库不打算再维护了，现在开始用pytorch了，可以参考这个功能更全的版本：https://github.com/liu-nlper/SLTK 祝好 On Thu, May 24, 2018 at 3:36 PM, 率怀一 wrote: > 另外很多论文里的CNN都是从两侧进行padding的（比如Named Entity Recognition...

中文还是基于字吧，可以加入分词特征 On Thu, Oct 25, 2018 at 2:42 PM yuye2133 wrote: > RT > > — > You are receiving this because you are subscribed to this thread. > Reply...

可以将各个特征向量拼接起来输入到lstm On Fri, Oct 26, 2018 at 2:37 PM yuye2133 wrote: > 感谢回复，再问个问题哈，我看到除了用字特征，还有词性特征等等，那是各个特征，分别经过双向lstm，最后再concat起来输入到crf里去的吗？ > > — > You are receiving this because you commented. > Reply to this email directly,...

@SivilTaram Hi Qian, I used the same settings as the non-BERT model when trained the BERT-based model(L-6_H-256_A-8). I have not trained with the official 12-layer BERT model yet, I guess...

@juntaoy 感谢解答。 我用的是小型的BERT（hidden size是256），但是BERT-CRF用的也是同样量级的，算是相对公平的比较。我分析可能是我的语料里存在不少边界模糊的标注（就是说多标/少标1个字或几个字也是正确的），导致训练数据里存在一些"假正例"，可能是span-based模型对假正例比价敏感？我后续尝试做负采样试试。 您说的关于合成mention emb的问题，我感觉是有道理的，加入实体头尾、中间的att表示可能好些。 持续关注您的工作~

请问只有初赛的数据吗

same error on ubuntu, how to solve? FileNotFoundError: [Errno 2] No such file or directory: '/usr/fool/maps.pkl'

@rockyzhengwu 好了，很好的工具，建议把文档写的全点，给出训练语料来源，词性映射表之类的；还有增加一些和其它工具的在开源语料上的对比实验，包括分词性能和分词速度。

请问下词表的大小只有64790，为什么会出现id为64790,64792？