evaluate.py

[lugeluge]

你好，能提供预训练模型和evaluate.py文件吗

[HongChow]

你好，能提供预训练模型和evaluate.py文件吗

我正在训练, 你这边训练好了么??

[hengyeliu]

你好，能提供预训练模型和evaluate.py文件吗

我正在训练, 你这边训练好了么??

你好 你这边训练的模型能达到论文的精度吗？

[luopeixiang]

代码更新了。效果在README中有写。比起论文的精度要差一点。没有对超参数进行微调，并且解码的结果中还存在exposure bias的问题，我尝试加入schedule sampling解决，后续有进展会继续更新。

[hengyeliu]

font{ line-height: 1.6; } ul,ol{ padding-left: 20px; list-style-position: inside; } 您好：   非常感谢您更新代码，然后我这边现在遇到一个问题就是我在用哈佛的脚本(https://github.com/harvardnlp/im2markup)处理标签的时候遇到很多问题，例如：原本的标签是f,\tilde{f}\to 1,\hspace{3mm} a,\tilde{a}\to 1\hspace{3mm} (r\to \infty). 对应的公式是 然后用哈佛的脚本正则化之后的标签是 f , \tilde { f } \to 1 , \hspace { 3 m m } a , \tilde { a } \to 1 \hspace { 3 m m } ( r \to \infty ) . 对应的公式却是也就是说哈佛的脚本处理标签还是会有很多问题，所以我想请问一下您这边是怎么处理标签以及图片数据的。谢谢。祝好 刘恒业 On 9/26/2019 19:15，luopeixiang<notifications@github.com> wrote： 代码更新了。效果在README中有写。比起论文的精度要差一点。没有对超参数进行微调，并且解码的结果中还存在exposure bias的问题，我尝试加入schedule sampling解决，后续有进展会继续更新。 —You are receiving this because you commented.Reply to this email directly, view it on GitHub, or mute the thread.

[luopeixiang]

font{ line-height: 1.6; } ul,ol{ padding-left: 20px; list-style-position: inside; } 您好：   非常感谢您更新代码，然后我这边现在遇到一个问题就是我在用哈佛的脚本(https://github.com/harvardnlp/im2markup)处理标签的时候遇到很多问题，例如：原本的标签是f,\tilde{f}\to%E5%A4%84%E7%90%86%E6%A0%87%E7%AD%BE%E7%9A%84%E6%97%B6%E5%80%99%E9%81%87%E5%88%B0%E5%BE%88%E5%A4%9A%E9%97%AE%E9%A2%98%EF%BC%8C%E4%BE%8B%E5%A6%82%EF%BC%9A%E5%8E%9F%E6%9C%AC%E7%9A%84%E6%A0%87%E7%AD%BE%E6%98%AFf,%5Ctilde%7Bf%7D%5Cto) 1,\hspace{3mm} a,\tilde{a}\to 1\hspace{3mm} (r\to \infty). 对应的公式是 然后用哈佛的脚本正则化之后的标签是 f , \tilde { f } \to 1 , \hspace { 3 m m } a , \tilde { a } \to 1 \hspace { 3 m m } ( r \to \infty ) . 对应的公式却是也就是说哈佛的脚本处理标签还是会有很多问题，所以我想请问一下您这边是怎么处理标签以及图片数据的。谢谢。祝好 刘恒业 On 9/26/2019 19:15，luopeixiangnotifications@github.com wrote： 代码更新了。效果在README中有写。比起论文的精度要差一点。没有对超参数进行微调，并且解码的结果中还存在exposure bias的问题，我尝试加入schedule sampling解决，后续有进展会继续更新。 —You are receiving this because you commented.Reply to this email directly, view it on GitHub, or mute the thread.

http://lstm.seas.harvard.edu/latex/data/
你可以去这个网址下处理好的数据。
我的模型就是根据这些数据训练的。