通过PyTorch进行CNN的神经网络构筑,TensorFlow

Batch大小为32,循环次数为10000次,损失函数优化完,最终完成评分为80.96。

得分记录
2019-04-24

Batch Size 数据为 20 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 0.59

20:42:18

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 0.25

13:58:28

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 0.51

13:53:51
2019-04-24

Batch Size 数据为 32 ,Epoch循环次数为 10000 次,损失函数优化完,最终完成评分为 80.96

10:57:32

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 0.42

22:50:02
2019-04-23

Batch Size 数据为 20 ,Epoch循环次数为 10000 次,损失函数优化完,最终完成评分为 16.16

01:54:55

Batch Size 数据为 20 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 0.89

23:11:22
2019-04-22

Batch Size 数据为 16 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 77.01

03:51:27

Batch Size 数据为 32 ,Epoch循环次数为 2200 次,损失函数优化完,最终完成评分为 0.17

22:12:14

Batch Size 数据为 32 ,Epoch循环次数为 2200 次,损失函数优化完,最终完成评分为 0.17

21:14:42

Batch Size 数据为 32 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 51.91

19:57:27

Batch Size 数据为 128 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 51.61

17:02:29
2019-04-21

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 64.12

14:30:15

Batch Size 数据为 64 ,Epoch循环次数为 1300 次,损失函数优化完,最终完成评分为 44.02

07:16:30

Batch Size 数据为 48 ,Epoch循环次数为 1300 次,损失函数优化完,最终完成评分为 47.88

06:47:22
2019-04-21

Batch Size 数据为 32 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 64.04

03:58:06

Batch Size 数据为 48 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 75.61

20:41:36

Batch Size 数据为 128 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 73.37

17:44:54
2019-04-20

Batch Size 数据为 48 ,Epoch循环次数为 1600 次,损失函数优化完,最终完成评分为 73.96

12:01:39

Batch Size 数据为 64 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 31.55

02:33:43
2019-04-19

Batch Size 数据为 128 ,Epoch循环次数为 1200 次,损失函数优化完,最终完成评分为 50.93

10:30:15

Batch Size 数据为 256 ,Epoch循环次数为 700 次,损失函数优化完,最终完成评分为 48.69

08:10:06

Batch Size 数据为 256 ,Epoch循环次数为 800 次,损失函数优化完,最终完成评分为 3.44

06:54:09

Batch Size 数据为 256 ,Epoch循环次数为 1200 次,损失函数优化完,最终完成评分为 64.38

03:05:29

Batch Size 数据为 256 ,Epoch循环次数为 1200 次,损失函数优化完,最终完成评分为 26.63

01:04:06
2019-04-18

Batch Size 数据为 256 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 31.09

03:32:01