记录一些炼丹的心得（都是坑啊）
以下都是经过很多实验得到的炼丹心得，希望对大家有帮助
- 模型很复杂，各种网络融合，尝试用更小的学习率和更多的epoch
- 学习率预热是个好东西，必须用上，学习率很重要，可以发掘模型的极限，但是无法改变模型的上限，模型的上限取决于其结构，学习率预热在pytorch的实现方法：
from transformers import get_linear_schedule_with_warmup
# 总步长：batch的个数*epoches
t_total = len(train_loader) * epoches
# optimizer：优化器，num_warmup_steps：达到最大学习率的步长，如果为0则一开始就是最大学习率，num_training_steps：总步长
scheduler = get_linear_schedule_with_warmup(optimizer, num_warmup_steps=0, num_training_steps=t_total)
- batch_size太小模型不收敛，太大显存吃不消，一般来说batch_size会有一个最大值，32，48，64都可以试试，batch增大，学习率也要稍微增大
- 全连接层不需要太复杂，2-3层即可，第二层神经元增加(×2,3,4都可以试试)，第三层减小(/2, /10, /100都可以试试)，第四层就是我们的输出个数了。
- 卷积层(convs)的卷积核个数(out_channels)一般和词（字）嵌入维度差不多，2/3 ~ 3/2 都可以试试。
- LSTM的隐藏状态纬度(hidden_size)一般和词（字）嵌入差不多大， 层数(num_layers)一般为1层，两层也可以试试，太多肯定不好。
- 不管在lstm里还是全连接层，Dropout是必须的，0.1即可，激活函数用RELU系列。
- 模型效果不好，思考一下是否需要归一化，不同向量融合时数值是否差距过大，考虑用全连接层
nn.Linear进行一次线性变换。
