此笔记为物质科学task3打卡笔记,在Task2中,我们的任务是了解Transformer并使用Transformer建模SMILES。
Transformer 模型是一种深度学习架构,自 2017 年推出以来,彻底改变了自然语言处理 (NLP) 领域。该模型由 Vaswani 等人提出,并已成为 NLP 界最具影响力的模型之一。Transformer 模型通过自注意力机制和并行计算的优势,能够更好地处理长距离依赖关系,提高了模型的训练和推理效率。它在机器翻译、文本摘要、问答系统等多个 NLP 任务中取得了显著的性能提升。
本task几种提分思路
1.调整epoch:我们可以提高epoch,epoch越大,一般拟合效果会越好,但是会花更多时间,也有可能出现过拟合情况
2.调整模型大小:我们可以调整中间向量的维度、模型得层数、注意力头的个数。一般模型越大学习能力越强,但可能出现过拟合情况
3.数据:对数据做清洗,调整数据分布,做数据增广。
本次task遇到的问题
oss_in_a_epoch在被赋值前调用,将scheduler.step(loss_in_a_epoch)放置loss_in_a_epoch后即可解决reference问题