Keras下用CNN,RNN进行图像分类

Batch大小为128,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88.15。

得分记录
2020-02-17

Batch Size 数据为 64 ,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 90.55 。

23:05:53
2020-02-11

Batch Size 数据为 128 ,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 86.72 。

10:06:42

Batch Size 数据为 128 ,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 64.53 。

02:33:23
2020-02-08

Batch Size 数据为 128 ,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 88.15 。

22:09:01

Batch Size 数据为 128 ,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 87.97 。

19:33:39
2020-02-05

Batch Size 数据为 128 ,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 9.4 。

20:58:11

Batch Size 数据为 128 ,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 81.64 。

17:37:01
2020-02-05

Batch Size 数据为 128 ,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 86.47 。

09:21:27
2020-02-03

Batch Size 数据为 64 ,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 83.22 。

22:48:32