luv_dusk
luv_dusk
您好！近期太忙，工作积压太多，望将来能尽早回复你
好的，我回顾了一下这个陈年项目，可以解答这个问题。 可以从uf/task/base.py文件中检索关键词“self.init_tilda_op”看到，这个op实际上在整个训练流程里，只在训练开始时作为初始化运行一次，并不是每个epoch开头都运行一次。这里的“runs at the start of each epoch”是我注释错了，下个版本我会纠正过来，改为“runs at the start of traning”。 谢谢你的观察~
你好，没有能够理解你的意思。请问需要验证什么内容呢
这个是可以的，通过 target_steps 和 total_steps 两个参数控制训练断点，在断点上进行验证。README_CN.md 里面有详细介绍，在 `训练/推理/评分` 这一节，这里就不重复了
python 是动态语言，执行完这一行代码以后就不会再重复了，你可以写一个 for 或 while 循环让系统再一次执行 `.fit()` 解决这个问题。记得在每一次循环时改变 `target_steps` 这个值。示例： ```python # 假设你需要中途进行 10 次模型验证，而训练总共持续 6 轮 for loop_id in range(10): print('*** Running training on loop %d ***' % loop_id)...
这样对于原 Keras 的使用用户更友好，但可能会增加 API 的复杂度，不利于其他初学者。所以还是得委屈你一下了
嗯嗯，小意思~ 还得感谢你投入时间尝试这个名不见经传的小作品，有什么问题或意见可以再随时联系
好的好的，这个反馈很棒，感谢。从原始文本切容易出错，要加许多复杂的逻辑，span-based 的 MRC 类也会有这种问题，我暂时还没想好怎么用简单的方法规范地处理这一类问题，这一改就是代码的大改。要不你暂时先试试用正则表达式从原始文本提取吧，把 `[UNK]` 替换为 `.*`，或者其他的文本处理算法
嗯嗯，好的，这个我知道。如果没有更简单的方法，那我找个时间处理一下
NER 类写出来以后，还没有在大型数据集上测试过，你觉得其他的体验如何呢