task2report
姓名：李长烨 学号：2200017853
configurations of CNN model
本CNN模型基本由三重结构组成，第一层为embedding层，第二层包括三个卷积层，卷积核大小分别为3，4，5，用于提取不同长度的gram特征，三个卷积层均通过一个激活函数层和一个最大池化层，其中卷积核大小为3的卷积层激活函数为relu，其他两个卷积层激活函数为tanh,最后一层为全连接层，输入了为三个卷积层结果的拼接，输出为结果logits。
其他参数中，我们通过训练集构建vocabulary, $embed\ size = 100, num\ classes = 4$
训练中采用early-stop，具体参数为$epochs=10, batch\ size=64, learning\ rate=0.001, patience=3$
Classification accuracy on test set
Test Accuracy=0.7750
具体训练中的参数如下
| Epoch | Loss | Dev Accuracy |
|---|---|---|
| 1/10 | 84.1876 | 0.6400 |
| 2/10 | 49.7036 | 0.7100 |
| 3/10 | 28.8129 | 0.7310 |
| 4/10 | 14.6686 | 0.7390 |
| 5/10 | 6.8835 | 0.7390 |
| 6/10 | 3.5254 | 0.7630 |
| 7/10 | 1.9510 | 0.7660 |
| 8/10 | 1.2503 | 0.7670 |
| 9/10 | 0.8980 | 0.7710 |
| 10/10 | 0.6942 | 0.7760 |
| Test Accuracy | 0.7750 |