这不仅仅是一个使用PyTorch和LNN来做人脸关键点检测的教程

Batch大小为16,循环次数为200次,损失函数优化完,最终完成评分为89.22。

得分记录
2019-05-01

Batch Size 数据为 8192 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 78.09

13:57:57

Batch Size 数据为 8192 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 71.58

12:15:44
2019-04-30

Batch Size 数据为 256 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 61.75

23:10:12

Batch Size 数据为 256 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 69.69

21:41:25
2019-04-26

Batch Size 数据为 4096 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 76.15

21:07:39
2019-04-25

Batch Size 数据为 4096 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 75.79

17:10:05

Batch Size 数据为 2048 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 71.34

15:04:58

Batch Size 数据为 256 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 63.6

14:38:54

Batch Size 数据为 256 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 70.96

13:58:29

Batch Size 数据为 256 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 74.46

13:41:23
2019-04-24

Batch Size 数据为 256 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 65.4

21:58:12

Batch Size 数据为 256 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 69.64

21:39:26

Batch Size 数据为 256 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 64.85

21:18:31

Batch Size 数据为 16 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 62.32

20:50:32

Batch Size 数据为 16 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 62.81

20:32:30

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 74.32

19:58:36

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 63.59

18:08:57

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 61.32

17:58:02

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 61.11

17:47:56

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 73.17

17:43:53

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 60.08

14:44:30

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 72.48

14:37:09

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 62.77

14:25:33

Batch Size 数据为 16 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 64.32

14:14:05

Batch Size 数据为 16 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 23.11

13:55:56
2019-04-24

Batch Size 数据为 16 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 64.63

13:40:38

Batch Size 数据为 32 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 59.72

13:21:19

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 79.53

13:05:04

Batch Size 数据为 16 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 65.74

12:04:18

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 72.94

11:52:09
2019-04-23

Batch Size 数据为 16 ,Epoch循环次数为 600 次,损失函数优化完,最终完成评分为 67.39

13:47:54

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 19.39

13:26:16

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 70.39

12:59:28

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 66.14

12:33:35

Batch Size 数据为 16 ,Epoch循环次数为 250 次,损失函数优化完,最终完成评分为 60.44

09:36:03

Batch Size 数据为 16 ,Epoch循环次数为 150 次,损失函数优化完,最终完成评分为 63.07

09:25:59

Batch Size 数据为 16 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 65.91

09:09:06

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 65.13

08:20:34

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 63.88

07:42:54
2019-04-23

Batch Size 数据为 16 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 60.23

00:09:37

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 61.7

23:48:30

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 71.51

23:39:52

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 78.79

23:21:44

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 83.07

23:12:57

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 89.22

22:27:11

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 69.15

22:17:51

Batch Size 数据为 64 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 69.96

22:07:36

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 65.03

21:51:22

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 60.04

21:37:19

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 64.75

21:21:38

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 64.93

21:12:41

Batch Size 数据为 16 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 44.88

20:16:44

Batch Size 数据为 16 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 61.37

19:44:50

Batch Size 数据为 16 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 70.8

18:45:28
2019-04-22

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 78.2

14:51:21

Batch Size 数据为 16 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 65.2

14:31:56

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 68.09

14:17:14

Batch Size 数据为 16 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 70.74

13:57:55

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 60.54

13:42:31

Batch Size 数据为 16 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 59.02

13:28:20

Batch Size 数据为 16 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 66.03

13:11:54

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 36.78

12:51:54

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 79.1

11:17:21
2019-04-21

Batch Size 数据为 16 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 81.69

11:24:33

Batch Size 数据为 16 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 26.55

10:52:08

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 75.71

10:38:40

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 65.24

10:26:05

Batch Size 数据为 16 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 65.95

08:57:12

Batch Size 数据为 16 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 64.61

08:20:25

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 68.77

08:03:54
2019-04-21

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 83.04

00:56:48

Batch Size 数据为 16 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 76.74

22:14:12

Batch Size 数据为 16 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 63.92

20:07:25

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 47.74

16:16:39
2019-04-20

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 71.37

02:51:12

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 63.73

01:02:48

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 74.2

23:03:13

Batch Size 数据为 16 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 69.95

20:59:08
2019-04-19

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 75.68

15:03:12

Batch Size 数据为 16 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 56.82

13:27:11

Batch Size 数据为 16 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 81.74

07:55:59
2019-04-17

Batch Size 数据为 16 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 86.9

20:40:30

Batch Size 数据为 32 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 69.43

18:10:43
2019-04-17

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 77.37

08:20:30
2019-04-16

Batch Size 数据为 32 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 69.59

12:02:28
2019-04-15

Batch Size 数据为 32 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 67.2

22:53:04

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 69.18

16:57:31
2019-04-15

Batch Size 数据为 64 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 61.96

00:30:06

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 69.71

23:58:29

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 71.94

23:30:29

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 55.59

23:06:39

Batch Size 数据为 32 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 74.58

21:38:14

Batch Size 数据为 32 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 17.29

20:25:41

Batch Size 数据为 32 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 61.21

18:21:47