基于TensorFlow+CNN的图像

Batch大小为64,循环次数为3000次,损失函数优化完,最终完成评分为90.58。

得分记录
2019-04-25

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 85.12

13:22:20

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 89.79

12:51:10
2019-04-22

Batch Size 数据为 64 ,Epoch循环次数为 2600 次,损失函数优化完,最终完成评分为 79.87

22:12:47

Batch Size 数据为 64 ,Epoch循环次数为 2600 次,损失函数优化完,最终完成评分为 88.14

22:00:21

Batch Size 数据为 64 ,Epoch循环次数为 3500 次,损失函数优化完,最终完成评分为 83.61

21:32:11

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 87.71

20:52:09

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 81.38

20:26:19

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 86.48

20:14:16

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 90.58

19:48:06
2019-04-21

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 86.77

01:11:58
2019-04-20

Batch Size 数据为 64 ,Epoch循环次数为 2500 次,损失函数优化完,最终完成评分为 87.49

12:16:19
2019-04-19

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 87.56

21:53:01
2019-04-18

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 8.7

22:01:22

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 7.55

21:25:17

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 0.22

18:46:45

Batch Size 数据为 32 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 0.93

17:31:58

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 85.48

17:01:04

Batch Size 数据为 32 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 77.07

16:36:53

Batch Size 数据为 32 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 67

16:23:49

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 12.65

16:16:27

Batch Size 数据为 32 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 12.15

15:38:29
2019-04-17

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 27.03

17:11:24

Batch Size 数据为 32 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 12.15

11:19:47