run_bert.py的在训练集、验证集、测试集上的预测结果标签类型都是“O” about deepke

[zxlzr]

您可以试试epoch为1，train_batch_size为64看结果是否正常

[Tubggg]

您可以试试epoch为1，train_batch_size为64看结果是否正常

由于计算资源限制，我只能设置epoch为1，train_batch_size为32的结果，如下：
[2024-01-19 23:06:14,854][main][INFO] - ***** Eval results *****
[2024-01-19 23:06:14,854][main][INFO] -
precision recall f1-score support

      好转       0.00      0.00      0.00        69
    无法判断       0.00      0.00      0.00        17
      未愈       0.00      0.00      0.00        22
      痊愈       0.00      0.00      0.00         1

micro avg 0.00 0.00 0.00 109
macro avg 0.00 0.00 0.00 109
weighted avg 0.00 0.00 0.00 109

[xxupiano]

您好，看结果可能数据量只有100多条，太少了，epoch调大多训练几个epoch（GPU内存限制只会影响batch_size大小）。推荐使用fewshot NER

[Tubggg]

您好，看结果可能数据量只有100多条，太少了，epoch调大多训练几个epoch（GPU内存限制只会影响batch_size大小）。推荐使用fewshot NER

这个是验证集上的，训练集大概300，然后我epoch设置的是200，我觉得应该是够的，我用另外一个run_lstmcrf.py可以正常跑出结果。

[zxlzr]

对于bert来说可能样本有点少了，建议您多收集一些数据样本再试试。

[zxlzr]

请问您的问题是否解决？

[Tubggg]

请问您的问题是否解决？

暂时未解决，令我不解的是在训练集上的f1也都是0，预测出来的都是标签‘O’

[zxlzr]

您重新pull最新的代码，数据量扩大一些，多跑几个epoch再测下训练集效果，如果仍未全0请联系我们。

[zxlzr]

请问您的问题解决了吗

[Tubggg]

请问您的问题解决了吗

结果还是全0，我再仔细检查下是否是我数据方面的问题，之后有问题的话再进行咨询，感谢解答！

[zxlzr]

好的，您有问题可以随时问