测试CRF++训练出来的model
2017-01-06 10:33
204 查看
1.分析crf_model.txt
version: 100(版本号)
cost-factor: 1(默认为1,为了防止过拟合)
maxid: 50940
xsize: 1
这是文件的开头部分:
maxid:特征函数的最大id(因为中文采用的是BMES标注,所以实际结果)
xsize:特征维度(训练的语料库列数减去1)
2.对训练好的crf_model文件进行测试
crf_test -v1 -m crf_model test_word_tag.txt > result.txt
# 0.998863
他 B S/0.999999
的 E S/0.999999
提 B B/0.999486
议 E E/0.999435
没 B B/0.999948
有 E E/0.999997
得 B B/0.999887
到 E E/0.999887
什 B B/0.999997
么 E E/0.999923
结 B B/0.999548
果 E E/0.999624
。 S S/0.999997
第一行:# 0.998863:
即是输出的条件概率,而且每一个输出tag各自含有一个概率,表示形式如“B/0.999486”。
crf_test -v2 -m crf_model test_word_tag.txt > result2.txt
# 0.998863
他 B S/0.999999 B/0.000001 E/0.000000 M/0.000000 S/0.999999
的 E S/0.999999 B/0.000000 E/0.000001 M/0.000000 S/0.999999
提 B B/0.999486 B/0.999486 E/0.000000 M/0.000000 S/0.000514
议 E E/0.999435 B/0.000001 E/0.999435 M/0.000051 S/0.000513
没 B B/0.999948 B/0.999948 E/0.000000 M/0.000051 S/0.000000
有 E E/0.999997 B/0.000000 E/0.999997 M/0.000003 S/0.000000
得 B B/0.999887 B/0.999887 E/0.000000 M/0.000003 S/0.000110
到 E E/0.999887 B/0.000000 E/0.999887 M/0.000002 S/0.000111
什 B B/0.999997 B/0.999997 E/0.000000 M/0.000002 S/0.000000
么 E E/0.999923 B/0.000000 E/0.999923 M/0.000076 S/0.000000
结 B B/0.999548 B/0.999548 E/0.000000 M/0.000076 S/0.000376
果 E E/0.999624 B/0.000000 E/0.999624 M/0.000000 S/0.000376
。 S S/0.999997 B/0.000003 E/0.000000 M/0.000000 S/0.999997
version: 100(版本号)
cost-factor: 1(默认为1,为了防止过拟合)
maxid: 50940
xsize: 1
这是文件的开头部分:
maxid:特征函数的最大id(因为中文采用的是BMES标注,所以实际结果)
xsize:特征维度(训练的语料库列数减去1)
2.对训练好的crf_model文件进行测试
crf_test -v1 -m crf_model test_word_tag.txt > result.txt
# 0.998863
他 B S/0.999999
的 E S/0.999999
提 B B/0.999486
议 E E/0.999435
没 B B/0.999948
有 E E/0.999997
得 B B/0.999887
到 E E/0.999887
什 B B/0.999997
么 E E/0.999923
结 B B/0.999548
果 E E/0.999624
。 S S/0.999997
第一行:# 0.998863:
即是输出的条件概率,而且每一个输出tag各自含有一个概率,表示形式如“B/0.999486”。
crf_test -v2 -m crf_model test_word_tag.txt > result2.txt
# 0.998863
他 B S/0.999999 B/0.000001 E/0.000000 M/0.000000 S/0.999999
的 E S/0.999999 B/0.000000 E/0.000001 M/0.000000 S/0.999999
提 B B/0.999486 B/0.999486 E/0.000000 M/0.000000 S/0.000514
议 E E/0.999435 B/0.000001 E/0.999435 M/0.000051 S/0.000513
没 B B/0.999948 B/0.999948 E/0.000000 M/0.000051 S/0.000000
有 E E/0.999997 B/0.000000 E/0.999997 M/0.000003 S/0.000000
得 B B/0.999887 B/0.999887 E/0.000000 M/0.000003 S/0.000110
到 E E/0.999887 B/0.000000 E/0.999887 M/0.000002 S/0.000111
什 B B/0.999997 B/0.999997 E/0.000000 M/0.000002 S/0.000000
么 E E/0.999923 B/0.000000 E/0.999923 M/0.000076 S/0.000000
结 B B/0.999548 B/0.999548 E/0.000000 M/0.000076 S/0.000376
果 E E/0.999624 B/0.000000 E/0.999624 M/0.000000 S/0.000376
。 S S/0.999997 B/0.000003 E/0.000000 M/0.000000 S/0.999997
相关文章推荐
- 使用PyTorch进行训练和测试时一定注意要把实例化的model指定train/eval
- DeepLearning(基于caffe)实战项目(9)--Python测试训练好的model
- caffe学习系列(10):如何测试caffe训练出来的模型
- NLP-训练个model出来写诗
- 自己训练的caffemodel用于测试图片时,出现的问题
- 用训练好的caffe model测试新的图片
- Caffe框架,训练model并测试数据
- Caffe框架,训练model并测试数据
- DeepLearning(基于caffe)实战项目(4)--Matlab测试训练好的model
- 软件安全测试实战训练
- PyTorch(三)——使用训练好的模型测试自己图片
- 浙江中医药大学暑期训练测试赛八E
- win下cygwin openwrt编译测试 (应该行得通,但是我找不出来working g++ failed原因。)
- py-faster-rcnn 安装、测试和训练自己的数据
- 如何编写训练测试的prototxt配置文件---以Resnet为例
- 使用caffe训练并且测试一个自己的模型
- 用训练好的caffe模型来测试样本
- DPM2008中文翻译- A Discriminatively Trained, Multiscale, Deformable Part Model判别训练的多尺度可变形部件模型
- [ACM训练] ACM中巧用文件的输入输出来改写acm程序的输入输出 + ACM中八大输入输出格式
- 如何将WEKA中的分类器Model提取出来