Closed VamWolf closed 7 years ago
补充个core 信息
I1122 15:04:58.418390 23108 Tester.cpp:257] Pass=0 samples=6221 AvgCost=0 Eval: error=0.0911671 chunk_f1=0.92418 true_chunks=28483 result_chunks=28415 correct_chunks=26292
*** Aborted at 1479798298 (unix time) try "date -d @1479798298" if you are using GNU date ***
PC: @ 0x7f59c94fc674 std::thread::join()
*** SIGSEGV (@0x0) received by PID 23108 (TID 0x7f59ca1a8780) from PID 0; stack trace: ***
@ 0x7f59c9d82160 (unknown)
@ 0x7f59c94fc674 std::thread::join()
@ 0x6cf77c paddle::DoubleBuffer::~DoubleBuffer()
@ 0x6cf9b1 paddle::DoubleBuffer::~DoubleBuffer()
@ 0x6b15f1 paddle::PyDataProvider2::~PyDataProvider2()
@ 0x59d249 std::_Sp_counted_base<>::_M_release()
@ 0x59db4f paddle::Trainer::~Trainer()
@ 0x59136d main
@ 0x7f59c8ba7bd5 __libc_start_main
@ 0x59ce85 (unknown)
sequence tagging demo 做的是自然语言处理中的chunking任务,实际上是给每个词进行分类,标注一个tag,这个过程的目标是整个序列的标注是最优的。这个demo里没有预测部分。跟其非常类似的一个demo是semantic_role_labeling,同样是个序列标注问题,最后一层也是crf_layer,你可以参考该demo里的预测脚本写法。与crf_layer层相关的论文,可以参考这篇:https://arxiv.org/abs/1508.01991 。
semantic_role_labeling 论文里面接了crf layer ,但是demo 代码里面没用. 算了,把outputs ,改成decoding layer试试.
最近更新的srl demo是用的crf
最新的srl demo请见:http://book.paddlepaddle.org/index.cn.html 有预测接口,也使用了crf layer.
sequence_tagging 应该与其他的demo 不一样吧. 预测部分.有个解码的过程. 想看解码后的结果怎么搞.