- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在使用下面的代码训练一个 Doc2Vec
模型,其中 tagged_data
是我之前设置的 TaggedDocument
实例的列表:
max_epochs = 40
model = Doc2Vec(alpha=0.025,
min_alpha=0.001)
model.build_vocab(tagged_data)
for epoch in range(max_epochs):
print('iteration {0}'.format(epoch))
model.train(tagged_data,
total_examples=model.corpus_count,
epochs=model.iter)
# decrease the learning rate
model.alpha -= 0.001
# fix the learning rate, no decay
model.min_alpha = model.alpha
model.save("d2v.model")
print("Model Saved")
当我稍后检查模型结果时,它们并不好。可能出了什么问题?
最佳答案
请勿调用.train()
在你自己的循环中多次尝试做 alpha
算术。
这是不必要的,而且容易出错。
具体来说,在上面的代码中,递减原来的0.025
阿尔法 0.001
四十次导致 ( 0.025 - 40*0.001
) -0.015
决赛 alpha
,这对于许多训练时期来说也是负面的。但是负数alpha
学习率 是荒谬的:它本质上是要求模型将其预测向错误方向移动一点,而不是向正确移动一点em> 方向,在每次批量训练更新时。 (此外,由于 model.iter
默认为 5,上面的代码实际上执行了 40 * 5
训练遍 – 200
– 这可能不是有意识的意图。但这只会让代码的读者感到困惑并减慢训练速度,而不是完全破坏结果,如 alpha
处理不当。)
这里还有其他常见的错误变体。如果alpha
而是减少了 0.0001
, 40 次递减只会减少最终的 alpha
至 0.021
– 而这种具有线性学习率衰减的 SGD(随机梯度下降)风格的正确做法是让值“非常接近 0.000
”结束。如果用户开始修补 max_epochs
– 毕竟,它是一个被拉到最上面的参数! – 但不要每次都调整减量,它们很可能远低于或远超过0.000
.
所以不要使用这种模式。
不幸的是,许多糟糕的在线示例相互复制了这种反模式,和在他们自己的中犯了严重的错误epochs
和 alpha
处理。请不要复制他们的错误,并请让他们的作者知道他们在任何出现此问题的地方误导人们。
可以通过更简单的替换来改进上面的代码:
max_epochs = 40
model = Doc2Vec() # of course, if non-default parameters needed, use them here
# most users won't need to change alpha/min_alpha at all
# but many will want to use more than default `epochs=5`
model.build_vocab(tagged_data)
model.train(tagged_data, total_examples=model.corpus_count, epochs=max_epochs)
model.save("d2v.model")
在这里,.train()
方法将完全执行请求的数量 epochs
,顺利减少内部有效alpha
从其默认起始值到接近零。 (很少需要更改起始 alpha
,但即使您愿意,只需在初始模型创建时设置一个新的非默认值就足够了。)
另请注意,稍后调用 infer_vector()
将重用 epochs
在创建模型时指定。如果未指定任何内容,则默认 epochs=5
将被使用——通常小于最适合训练或推理的值。所以如果你找到更多的epochs
(例如 10、20 或更多)更适合训练,请记住至少使用相同数量的 epochs
进行推理。 ( .infer_vector()
采用可选的 epochs
参数,该参数可以覆盖模型构造时设置的任何值。
关于gensim - 我的 Doc2Vec 代码,经过多次循环/训练后,并没有给出好的结果。可能出了什么问题?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/62801052/
我在使用带有 vector STL 的迭代器时遇到了这个错误。 代码:- #include #include void print_vec(std::vector vec) { auto
JAVA:两个引用“p”&&“pp”之间有区别吗? PrintStream p = new PrintStream(System.out); p.println("lol");
我尝试从主分支中拉出,但收到错误消息: $ git --no-optional-locks -c color.branch=false -c color.diff=false -c color.sta
我面临着一个让我抓狂的问题! 我有一个函数,这个: void load_weapons3(t_env *e, char *name, int x, t_weapon *w) { char
我正在尝试使用 CUDA 中的最小值、最大值、总和和平均值实现并行归约。 这是我目前的主要代码片段。 int main() { const auto count = 8; const
我知道 double free 或 corruption 错误通常是对 big 3 的违规,但在这种情况下,我找不到违规发生的地方。我有一个复制构造函数、析构函数和赋值运算符,适用于任何处理指针的东西
GTK+ 中的“focus”和“focus-in(out)-event”信号有什么区别?哪个先发射?它们与键盘(TAB)和鼠标点击有什么关系。他们互相依赖吗? 我问这个是因为我想在顶层窗口中跟踪当前聚
*** glibc detected *** /home/ghoshs/workspace/Simulator/Debug/Simulator: double free or corruption (
#include #include #include #include using namespace std; #define MAX_WEIGHT 1000000 class Set {
我在服务器上有两个分支一个叫 R2 的分支和一个叫 DEV 的分支我无意中登录了错误的服务器,进入了存储库并执行了GIT pull 源开发但是存储库在 R2 上。所以我意识到我的错误然后尝试通过做一个
我有一个包含循环的大约 1000 个顶点和 3000 个边的有向图。 我试图从给定的顶点找到所有下游(出)路径。 使用以下 Gremlin 查询时 g.V(45712).repeat(out().si
使用 Delphi XE 2 我试图确定缩放方向以将缩放效果应用于图像(TImage),但没有找到执行此操作的函数,并且图像的 OnGesture 事件中的 EventInfo 属性没有此信息. 我见
我正在尝试创建一个 Zoom_image 函数,它使用离散傅里叶变换来缩放灰度图像。如果图像大小小于或等于 4*4 但大小增加,我包含的代码可以工作。它给出“双重释放或损坏(出)中止(核心转储)”错误
当我执行 popAll 函数时,出现以下错误: 双重释放或腐败(出)中止(核心转储) 我想我已经将错误来源缩小到了这个函数。 IntegerStack 是我制作的一个简单的 ADT,其中包含一个名为
我有网络开发背景,我正在尝试创建类似于 this technique 的东西适用于 iOS(使用 Cocoa/Obj C)。我在谷歌搜索资源时遇到了很多困难,因为 iOS 中的“视差”往往指的是 iO
我想实现一个 faceted search对于我的一个项目。我正在使用 PHP5、Mysql 和 Symfony 1.4。显然社区指向Apache Solr这似乎正是我想要完成的。 问题是该网站将在不
我知道有 questions floating around当您没有提供明确的分支名称时,关于来自特定分支的 git pull,但是我想知道即使用户确实指定了不同的分支,是否也可以强制 pull 分支
我正在尝试将我的更改推送到 NAS 上的存储库。它以我无法理解的方式失败。 documentation声明默认情况下 push 仅适用于快进更新。很公平。所以我做了一个 git pull(我的 Rem
我刚开始使用 Oracle 的 Coherence 缓存,我注意到这一点:如果我在缓存中放入一个 ConcurrentHashMap 对象,当我检索它时,我可以看到它被转换为一个普通的 HashMap
我尝试创建一个连接到数据库的线程,从那里获取一些数据并打印到控制台。问题是当该线程完成时抛出异常: 双重免费或腐败(出局)中止(核心转储) 我尝试使用 sqlite3 和 pthread,但这两个并不
我是一名优秀的程序员,十分优秀!