复现精度问题

[zhangliang-chn]

目前在resume和weibo数据集上做了实验，weibo数据集上f1可以达到论文的效果。 但是resume数据集上的效果最好就是95.1%左右，没有达到论文的95.45%，请问复现时有什么技巧，或者数据集分割时有什么技巧吗？我是按照您的参数设置做的实验。而且发现把flat_main.py中的这三行取消注释后效果更好：

torch.backends.cudnn.benchmark = False

fitlog.set_rng_seed(args.seed)

torch.backends.cudnn.benchmark = False

应该是因为这三行代码使用了作者您设置的随机数种子？

希望大佬看到的话，有空可以回复，谢谢~

[liucuilan]

目前在resume和weibo数据集上做了实验，weibo数据集上f1可以达到论文的效果。 但是resume数据集上的效果最好就是95.1%左右，没有达到论文的95.45%，请问复现时有什么技巧，或者数据集分割时有什么技巧吗？我是按照您的参数设置做的实验。而且发现把flat_main.py中的这三行取消注释后效果更好： #torch.backends.cudnn.benchmark = False #fitlog.set_rng_seed(args.seed) #torch.backends.cudnn.benchmark = False 应该是因为这三行代码使用了作者您设置的随机数种子？

希望大佬看到的话，有空可以回复，谢谢~

您好，请问方便发我一下resume和weibo数据集的参数设置吗？邮箱2130138626@qq.com，我目前的复现效果较差，非常非常感谢~

[zhangliang-chn]

目前在resume和weibo数据集上做了实验，weibo数据集上f1可以达到论文的效果。 但是resume数据集上的效果最好就是95.1%左右，没有达到论文的95.45%，请问复现时有什么技巧，或者数据集分割时有什么技巧吗？我是按照您的参数设置做的实验。而且发现把flat_main.py中的这三行取消注释后效果更好： #torch.backends.cudnn.benchmark = False #fitlog.set_rng_seed(args.seed) #torch.backends.cudnn.benchmark = False 应该是因为这三行代码使用了作者您设置的随机数种子？ 希望大佬看到的话，有空可以回复，谢谢~

您好，请问方便发我一下resume和weibo数据集的参数设置吗？邮箱2130138626@qq.com，我目前的复现效果较差，非常非常感谢~

我就用的作者代码中的参数设置，weibo可以复现，resume差一点点，如果你复现效果非常差可能不是参数设置的问题吧