《表2 超参数设置:一种改进的医疗文本分类模型:LS-GRU》
注:Word_embedding_dim为词向量维度;Learning_rate为训练模型学习率;Dropout为随机失活率;Bath_size为一次送入网络训练的文本数量;Hidden_size为模型GRU隐含层大小;Adam_gamma为训练模型梯度下降率.
本文代码基于tensorflow1.9,并且在具有NVIDIA GeForce GTX 2070的服务器上进行训练,单模型训练时占用内存约6.7 GB,约需训练19 h.模型训练过程中使用的超参数如表2所示.
图表编号 | XD00148443300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.07.15 |
作者 | 李强、李瑶坤、夏书月、康雁 |
绘制单位 | 东北大学医学与生物信息工程学院、中国石油天然气管道工程有限公司、沈阳医学院附属中心医院、东北大学医学与生物信息工程学院、深圳技术大学健康与环境工程学院 |
更多格式 | 高清、无水印(增值服务) |