《表3 不同语言模型微调的错误率对比》
提示：宽带有限、当前游客访问压缩模式
%
2)语言模型微调的作用．没有微调和有微调的模型性能，对比结果如表3所示.其中微调包括上文提到的分层微调和斜三角学习速率．微调语言模型在大型数据集IMDb的提高最为显著，在其他数据集上也有很好的表现．
| 图表编号 | XD00129609400 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.12.01 |
| 作者 | 傅群超、王枞 |
| 绘制单位 | 北京邮电大学软件学院、北京邮电大学可信分布式计算与服务教育部重点实验室 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表3 采用FL函数或DFL函数的Faster R-CNN模型和微调后的Faster R-CNN模型的检测性能对比》2020.10.10
- 《表5 本文模型和微调后的Faster R-CNN模型的检测召回率和m AP的对比》2020.10.10
- 《表9 几种不同的预训练加微调模型在Flickr30k数据集上的性能比对》2021.02.01
- 《表1 实验结果精度对比：基于微调语义分割模型的街景影像变化检测方法》2021.02.15
- 《表4 微调网络对模型性能的影响》2020.07.16
- 《表3 预训练语言模型微调结果F1值》2020.04.25
- 《表1 BERT模型微调结果》2020.05.01
- 《表3语言错误数量统计：大学英语阅读辅助式过程写作法实证研究》2020.06.01
- 《表3 笔画错误情况表：基于汉字书写偏误分析的初级汉字教学研究——以北京语言大学“汉字读写（南亚）”课为例》2020.03.01
- 《表3 模型的微调：基于预训练BERT字嵌入模型的领域实体识别》
- 《表6 LRN-CharFCN模型与其他模型的错误率对比》2020.03.01
- 《表3 MobileNetV2与微调后的网络在NUAA数据集上的性能对比》2020.04.10
- 《表2 是否包含预训练语言模型的错误率对比》2019.12.01
- 《表4 多探测任务微调模型的错误率对比》2019.12.01
- 《表3 不同方法在不同数据库上的训练测试半错误率的对比》2020.02.25
- 《表3 非语言交际用语失误错误率调查表》2019.09.25
- 《表1 语言用语失误错误率调查表》2019.09.25
- 《表1：语言错误分析与大学英语教学——基于非英语专业学生英语语言错误的实证研究》2019.04.10
- 《表1 基于深度学习图像分类模型的MNIST数据集错误率对比》2019.11.20
- 《表2 基于CNN图像分类模型的ImageNet数据集错误率对比》2019.11.20