模型预测不准确

一开始我是这样写early-stopping：

if pre_batch_loss <= val_loss:
	break
else:
	pre_batch_loss = val_loss

训练的时候，有很多epoch内，batch的loss都是先降低又升高，但mean_val_loss却一直下降，所以它能一直训练。但测试时，只预测一种类别。

这样改了以后，预测就好多了：

if pre_batch_loss <= val_loss:
	ner_model.load_state_dict(torch.load('batch_middle_state_dict.pth'))
	break
else:
	torch.save(ner_model.state_dict(), 'batch_middle_state_dict.pth')
	pre_batch_loss = val_loss

还有，不写上述的early-stopping也只预测一个类，甚至loss比写了的还小，但还是只预测一个类。