天池-全球人工智能技术创新大赛【热身赛二】-中文预训练模型泛化能力挑战赛-NLP-改进优化

背景

    由上篇文章可知,baseline跑通,需对模型进行改进和优化。

优化思路

1.修改 calculate_loss.py 改变loss的计算方式，从平衡子任务难度以及各子任务类别样本不均匀入手；
2.修改 net.py 改变模型的结构，加入attention层，或者其他层；
3.使用 cleanlab 等工具对训练文本进行清洗；
4.做文本数据增强，或者在预训练时候用其他数据集pretrain；
5.对训练好的模型再在完整数据集（包括验证集和训练集）上用小的学习率训练一个epoch；
6.调整bathSize和a_step，变更梯度累计的程度，当前是batchSize=16，a_step=16；
7.用 chinese-roberta-wwm-ext 作为预训练模型；

    综上所述,总共提供了7种方法可对比赛进行改进和优化进而上分操作。

baseline初始成绩

调整epochs