svjack

> hyperopt takes a function, a space of hyperparameters, and slowly searches for the best parameters in that space. It has the advantage of having different optimization algorithms such as...

> There are notebooks that show how to optimize per time frame, asset, and other dimensions. Then you can go further and reduce the space based on your optimization function....

> Yes, on a basic walk-forward optimization, in a few days. It seems like portfolio management as https://blog.quantinsti.com/portfolio-management-strategy-python/ not implement in this project. https://nbviewer.jupyter.org/github/polakowo/vectorbt/blob/master/examples/PortfolioOptimization.ipynb seems not similar with it.

> 您好，第90行，在循环内执行了下面的语句 > dataset_groupby_qid.append((qid, correct_answer_orders, scores)) > 您再看看dbqa的evaluate是否还有问题，有问题的话可以直接pull request > > dbqa数据集的训练确实不需要qid > 比赛原始数据集是带qid的，我们保留了下来，并将qid用于评估阶段 这样是不是在 dataset中相同qid的样本必须排在一起？ 一旦有不排在一起的情况就会分成多部分。

建议run_classifier.py加入导入已训练模型的导入option 在inference 里面已经做了。 可以接续之前中断的训练。

sentencepiece导入生成Vocab有 CLS_TOKEN SEP_TOKEN 吗？

> > > 您好，第90行，在循环内执行了下面的语句 > > > dataset_groupby_qid.append((qid, correct_answer_orders, scores)) > > > 您再看看dbqa的evaluate是否还有问题，有问题的话可以直接pull request > > > dbqa数据集的训练确实不需要qid > > > 比赛原始数据集是带qid的，我们保留了下来，并将qid用于评估阶段 > > > > > > 这样是不是在...

当然你选择实现不同的trainer 但有时同样的target可能有多个evaluation measurement 不同的target可能有交叉evaluation measurement的可能。

其它的框架一般都是把evaluation measurement单独作为工具类，或者干脆整合到target里面，而很少把它整合到trainer里进行不同派生的，trainer一般只有一个类。

若干run脚本也是一样的。