这个是后补的，以前记录的找不到了。调参的记录太久远了，就不补了。以下是预训练模型的记录。
- 训练checkpoint下载地址为biaobei_dataset.tar.gz
下载完成后放在experiments文件夹下，可以用train.py接着训（如果你想的话）。
biaobei_dataset.tar.gz解压后有三个文件夹
biaobei_pw # 韵律词，用biaobei1训练
biaobei_pph # 韵律短语，用biaobei2训练
biaobei_iph # 语调短语，用biaobei3训练
- Release的模型：biaobei_pretrained.tar.gz
- 使用的数据集：biaobei_dataset.tar.gz
- Git Commit: 5e340bab23731c12d0976ba855556d84606a8357
git checkout v1.0
| 模型 | 数据集 | Performance |
|---|---|---|
| biaobei_pw | biaobei1 | accuracy: 0.939 ; block_acc: 0.887 ; precison: 0.864 ; recall: 0.950 ; loss: 0.166 |
| biaobei_pph | biaobei2 | accuracy: 0.932 ; block_acc: 0.767 ; precison: 0.612 ; recall: 0.889 ; loss: 0.170 |
| biaobei_iph | biaobei3 | accuracy: 0.982 ; block_acc: 0.905 ; precison: 0.875 ; recall: 0.945 ; loss: 0.057 |
Performance得到的方法:
python evaluate.py --data_dir data/biaobei1 --model_dir experiments/biaobei_pw/
python evaluate.py --data_dir data/biaobei2 --model_dir experiments/biaobei_pph/
python evaluate.py --data_dir data/biaobei3 --model_dir experiments/biaobei_iph/| 名称 | 解释 |
|---|---|
| accuracy | BI标签预测正确的比例。 |
| block_acc | 切分段预测正确的比例。 |
| precision | BI标签预测的准确率 |
| recall | BI标签预测的召回率 |
- 关于block_acc, 例
你好同学，假设正确的是 你好/同学(BIBI)
如果切成你好同学(BIII), accuracy=50%， block_acc=0