syjsjava的博客

原创 MOSI数据集，特征提取后的维度

63表示有63个时间步，也就是每个样本都有63个数据。100代表文本模态特征的每个时间步包含100维的数据。62表示62个样本，也就是62个人的访谈记录。文本特征维度为(62,63,100)

原创 训练好的glove模型

相似性图。

原创 GLOVE损失函数计算公式

原创 kt创新2

创新平均准确率为80.19%最大准确率为80.59%原版平均准确率为76.66%最大准确率为77.53%

原创 11月15日--kt创新3实验

平均准确率为77.26%,最高准确率为78.06%

原创 模态特征维度问题

输入层文本模态维度：输入层音频模态维度：输入层视频模态维度：掩码层文本模态维度：掩码层音频模态维度：掩码层视频模态维度：循环层文本模态维度：循环层音频模态维度：循环层视频模态维度：时间分布稠密层文本模态维度：时间分布稠密层音频模态维度：时间分布稠密层视频模态维度：注意力层文本+视频模态维度：注意力层音频+文本模态维度：注意力层视频+音频模态维度：

原创 9/5 开题报告第一天 实验1

确保你使用的pytorch_pretrained_bert库的版本是正确的，而且包含了'warmup_linear'模块。这个错误表明你的代码尝试从名为'pytorch_pretrained_bert.optimization'的模块中导入'warmup_linear'，但是在该模块中找不到'warmup_linear'。如果你无法解决导入问题，可以尝试查看pytorch_pretrained_bert库的文档，看是否有替代的方法来实现你的目标，而不必使用'warmup_linear'模块。

原创 具体的数据维度

文本数据。

原创 7月4日实验

刷新上次的记录到达0.8178。

原创 7月2日实验对比

保存最好的模型权重后，准确率提升。

原创 6月30日实验

原创 6月29实验改进

check = ModelCheckpoint(path, monitor='val_accuracy', save_best_only=False, mode='max', verbose=0) #保存最好的模型权重。需要把286行中的TRUE改成FALSE意为需要最开始先建立一个.hdf5文件再更新。先让它生成一个，再改为TRUE让它更新为最好的。上次实验出现的无法找到。

原创 5月24日第一次实验

然而，如果模型过拟合了，训练损失会持续减小，但验证损失可能会开始增加，表示模型在验证数据上的性能下降。验证损失的目标是衡量模型的泛化能力，即模型对于未见过的数据的预测能力。准确率是一个用于衡量模型在训练数据上的预测正确性的指标，数值越高表示模型的预测结果与真实标签的一致性越好。训练损失的目标是尽可能地减小，表示模型在训练数据上的预测结果与真实标签的一致性越好。"loss"（训练损失）和"val_loss"（验证损失）是在机器学习和深度学习中常用的两个指标，用于评估模型的性能和训练进展。

原创 5月19日记录

1.9,10,11行改为。最后出现错误找不到文件。