NLP模型常见报错(定期更新)

淡淡的烟草味﹌ 2023-09-28 23:19 5阅读 0赞

本人是做NLP研究方向，在写代码**跑模型**的时候，会遇到一些bug。总有一些bug让我**苦不堪言**，**痛苦不堪**，**绞尽脑汁**。为此，我将把一些遇到的**bug**记录下来，方便他人和自己。  
**定期更新哟！！！**  
1、BiLSTM模型，跑阿里天池新闻分类比赛

训练模型第一轮epoch=1时：

*  准确率accuracy，损失值loss，f1\_score得分，还挺正常。

但是，从训练模型第二轮即epoch=2开始：

*  准确率accuracy变得很小且不再大幅度改变
 *  损失值loss变得很大且不再大幅度改变
 *  f1\_score得分变得很小且不再大幅度改变

![在这里插入图片描述][62cb4e92305f46eabd418e5a2b5029bd.png]

def __getitem__(self, index):
            # train_text是一个列表，列表里面的元素仍然是列表，且列表元素是一个个分词完毕的句子，
            # eg: [ ['I','love','you','too',...], [...], [...], ... ]
            text = self.train_text[index][:]
            # train_text[index]     表示取索引为index的元素即['I','love','you','too',...]
            # 接着要将其转换成数字(word_to_num)比如['5','2','1','11',...]，修改的是列表元素train_text[index]本身，相当于修改列表元素本身
    
            # train_text[index][:]  表示取索引为index的元素里面的所有内容即 ('I','love','you','too',...) 并将其赋值给text
            # 接着要将其转换成数字(word_to_num)比如('5','2','1','11',...)，修改的是text,相当于修改副本
    
            # 因此，在epoch=1时，准确率accuracy，损失值loss，f1_score得分，还挺正常。
            # 但是，从第二轮即epoch=2开始，准确率accuracy变得很小且不再大幅度改变，损失值loss变得很大且不再大幅度改变，f1_score得分变得很小且不再大幅度改变,
            label = self.train_data_label[index]

[62cb4e92305f46eabd418e5a2b5029bd.png]: https://img-blog.csdnimg.cn/62cb4e92305f46eabd418e5a2b5029bd.png