BERT-BiLSTM-CRF-NER
BERT-BiLSTM-CRF-NER copied to clipboard
验证时eval_loss为何重新定义,以及和total_loss的区别
为什么验证的时候重新定义了eval_loss,原来tatal_loss此时又代表什么呢? 代码位置如下: elif mode == tf.estimator.ModeKeys.EVAL: # 针对NER ,进行了修改 def metric_fn(label_ids, pred_ids): return { "eval_loss": tf.metrics.mean_squared_error(labels=label_ids, predictions=pred_ids), }
eval_metrics = metric_fn(label_ids, pred_ids)
output_spec = tf.estimator.EstimatorSpec(
mode=mode,
loss=total_loss,
eval_metric_ops=eval_metrics
)
同样的问题,也想请问一下这里的eval loss为什么用的是MSE。 虽然可以衡量eval阶段的loss情况,但是和train阶段的crf_log_likelihood应该不是同一个尺度的??