描述
当我使用layoutlmv3在XFUND_zh数据集上进行RE任务时，结果是'eval_precision': 0.5283, 'eval_recall': 0.4392。我不知道这个糟糕结果的原因。可能是我的RE任务代码有问题？也许我需要更多的数据来训练？有什么建议可以帮我提高结果吗？有人遇到过同样的问题吗？
tyu7yeag1#
你好，@SuXuping 。我认为首先在SER任务上复制layoutlmv3-Chinese的得分是一个好主意，以确保你正确地使用了layoutlmv3-Chinese。如果有任何进一步的问题，请随时向我提问：)
g52tjvyc2#
你好，你能分享一下代码吗？
1szpjjfi3#
你好，SuXuping。我认为首先在SER任务上复现Layoutlmv3-Chinese的得分是个好主意，以确保你正确地使用了Layoutlmv3-Chinese。如果有任何进一步的问题，请随时问我：)
你好，我已经使用LayoutlmV3完成了SER任务，结果相当不错。结果是：f1score:0.9096,但我仍然无法提高RE任务的成绩。你训练过RE任务吗？你的成绩如何？
3条答案
按热度按时间tyu7yeag1#
你好，@SuXuping 。我认为首先在SER任务上复制layoutlmv3-Chinese的得分是一个好主意，以确保你正确地使用了layoutlmv3-Chinese。如果有任何进一步的问题，请随时向我提问：)
g52tjvyc2#
你好，你能分享一下代码吗？
1szpjjfi3#
你好，SuXuping。我认为首先在SER任务上复现Layoutlmv3-Chinese的得分是个好主意，以确保你正确地使用了Layoutlmv3-Chinese。如果有任何进一步的问题，请随时问我：)
你好，我已经使用LayoutlmV3完成了SER任务，结果相当不错。结果是：f1score:0.9096,但我仍然无法提高RE任务的成绩。你训练过RE任务吗？你的成绩如何？