[P2] Week 1 Day 2

가) 오늘 내 학습목표는 무엇이었나요?

1. KoBERT
2. 제출 기회 5번 모두 사용하기

나) 오늘 나는 내 학습목표를 달성하기 위해 무엇을 어떻게 했나요?

1. accuracy : 70.3000%

• train : test = 4 : 1
• dataset['sentence'] = dataset['entity_01'] + '[SEP]' + dataset['entity_02'] + '[SEP]' + dataset['sentence']
• KoBERT
• wandb.config.max_len = 128
• wandb.config.batch_size = 32
• wandb.config.warmup_ratio = 0.01
• wandb.config.num_epochs = 15
• wandb.config.max_grad_norm = 1
• wandb.config.log_interval = 20
• wandb.config.learning_rate = 5e-5
• AdamW(optimizer_grouped_parameters, lr=wandb.config.learning_rate)
• LabelSmoothingLoss()
• get_cosine_schedule_with_warmup(optimizer, num_warmup_steps=warmup_step, num_training_steps=t_total)

2. accuracy : 66.4000%

• train : test = 9 : 1
• dataset['sentence'] = dataset['entity_01'] + '[SEP][CLS]' + dataset['entity_02'] + '[SEP][CLS]' + dataset['sentence']
• KoBERT
• max_len = 256
• batch_size = 16
• warmup_ratio = 0.01
• num_epochs = 20
• max_grad_norm = 1
• log_interval = 200
• learning_rate = 5e-5
• AdamW(optimizer_grouped_parameters, lr=wandb.config.learning_rate)
• LabelSmoothingLoss()
• get_cosine_schedule_with_warmup(optimizer, num_warmup_steps=warmup_step, num_training_steps=t_total)

3. accuracy : 70.3000%

• train : test = 4 : 1
• dataset['sentence'] = dataset['entity_01'] + '[SEP]' + dataset['entity_02'] + '[SEP]' + dataset['sentence']
• KoBERT
• max_len = 128
• batch_size = 16
• warmup_ratio = 0.01
• num_epochs = 20
• max_grad_norm = 1
• log_interval = 50
• learning_rate = 5e-5
• AdamW(optimizer_grouped_parameters, lr=learning_rate)
• LabelSmoothingLoss()
• get_cosine_schedule_with_warmup(optimizer, num_warmup_steps=warmup_step, num_training_steps=t_total)

4. accuracy : 71.6000%

• seed : 77
• train : test = 4 : 1
• dataset['sentence'] = dataset['entity_01'] + '[SEP]' + dataset['entity_02'] + '[SEP]' + dataset['sentence']
• KoBERT
• max_len = 128
• batch_size = 32
• warmup_ratio = 0.01
• num_epochs = 30
• max_grad_norm = 1
• log_interval = 50
• learning_rate = 5e-5
• AdamW(optimizer_grouped_parameters, lr=learning_rate)
• LabelSmoothingLoss()
• get_cosine_schedule_with_warmup(optimizer, num_warmup_steps=warmup_step, num_training_steps=t_total)

5. accuracy : 72.2000%

• ensemble test

다) 오늘 나는 어떤 방식으로 모델을 개선했나요?

• KoBERT로 모델을 개선했습니다.

라) 오늘 내가 한 행동의 결과로 어떤 지점을 달성하고, 어떠한 깨달음을 얻었나요?

• 여러 가지로 시도해볼수록 Hyperparameter 가챠인 것 같다는 생각이 들었습니다.

마) 오늘 나의 학습과 시도가 크게 성공적이지 않아서 아쉬운 것은 무엇인가요? 내일은 어떻게 다르게 시도해보실 수 있을까요?

• Baseline Code에서 벗어나, KoBERT를 사용하면 성능이 좋아지리라 생각했는데, 생각보다 성공적이지 않아서 아쉬웠습니다.
• 내일은 여러 개의 모델로 분리해서 시도해볼 계획입니다.

마무리

오늘보다 더 성장한 내일의 저를 기대하며, 내일 뵙도록 하겠습니다.

읽어주셔서 감사합니다!