基于SENet、PyTorch实现图像分类

Batch大小为64,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为85.63。

得分记录
2020-01-08

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 71.22 。

22:39:35

Batch Size 数据为 64 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 27.98 。

18:12:18

Batch Size 数据为 64 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 77.79 。

16:55:50

Batch Size 数据为 32 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 82.32 。

14:31:20
2020-01-08

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 85.63 。

05:36:41

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 83.55 。

01:07:18

Batch Size 数据为 64 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 84.82 。

20:51:24

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 74.48 。

20:32:53

Batch Size 数据为 64 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 83.47 。

19:55:22

Batch Size 数据为 64 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 2.25 。

19:19:00

Batch Size 数据为 64 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 73.76 。

18:27:07

Batch Size 数据为 64 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 46.8 。

17:23:18

Batch Size 数据为 128 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 1.23 。

17:19:34