search

649453932 / Bert-Chinese-Text-Classification-Pytorch

使用Bert，ERNIE，进行中文文本分类
MIT License
3.97k stars 897 forks source link

请问一下，模型跑出来的结果，只有准确率 丢失率等等这些吗？具体的每个句子的用bert进行分类的标签，在哪里可以看到呀？ #181

Open zhangwenjie4426260 opened 9 months ago

zhangwenjie4426260 commented 9 months ago

如果最后的结果只有总体的准确率，F1分数等等，那我训练他进行具体文本分类的意义在哪里？

koitoyuu3 commented 9 months ago

同问

NX0226 commented 9 months ago

如果最后的结果只有总体的准确率，F1分数等等，那我训练他进行具体文本分类的意义在哪里？

需要写推理代码来使用模型对你需要预测的文本进行预测

NX0226 commented 9 months ago

如果最后的结果只有总体的准确率，F1分数等等，那我训练他进行具体文本分类的意义在哪里？

具体可以看issues72和70

zhangwenjie4426260 commented 9 months ago

如果最后的结果只有总体的准确率，F1分数等等，那我训练他进行具体文本分类的意义在哪里？

需要写推理代码来使用模型对你需要预测的文本进行预测

好的 非常感谢！！！

NX0226 commented 9 months ago

如果最后的结果只有总体的准确率，F1分数等等，那我训练他进行具体文本分类的意义在哪里？

需要写推理代码来使用模型对你需要预测的文本进行预测

好的 非常感谢！！！

举手之劳

p11grim commented 9 months ago

如果最后的结果只有总体的准确率，F1分数等等，那我训练他进行具体文本分类的意义在哪里？

其实你自己写一下就行了，在train_eval.py文件的evaluate函数里面，那个叫predict_all的list实际上就是在测试集上预测的分类标签。你训练完了之后把run.py最后一行train(config, model, train_iter, dev_iter, test_iter)注释掉，换成test函数去对你需要做预测的数据进行推理就可以

p11grim commented 9 months ago

同问

issue 72和70有人给了，不过看起来不太能做大规模的推理。在train_eval.py文件的evaluate函数里面，那个叫predict_all的list实际上就是在测试集上预测的分类标签，自己根据需求去使用就好。