《表2 超参数设置：一种改进的医疗文本分类模型:LS-GRU》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种改进的医疗文本分类模型:LS-GRU》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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．