# 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** |              |