如何优雅的使用CNN、PyTorch实现图像分类任务,准确率61.29%

Batch大小为15,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为61.29。

得分记录
2020-02-17

Batch Size 数据为 15 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 61.29 。

14:55:30
2020-02-14

Batch Size 数据为 15 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 60.72 。

03:57:49
2020-02-12

Batch Size 数据为 10 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 59.56 。

21:00:11
2020-02-12

Batch Size 数据为 15 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 60.92 。

03:07:50

Batch Size 数据为 20 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 54.08 。

13:10:56
2020-02-11

Batch Size 数据为 20 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 47.35 。

02:52:05

Batch Size 数据为 30 ,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 57.59 。

22:12:50
2020-02-10

Batch Size 数据为 20 ,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 60.63 。

04:19:58

Batch Size 数据为 20 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 60.05 。

19:32:37
2020-02-07

Batch Size 数据为 20 ,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 60.57 。

01:49:42

Batch Size 数据为 20 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 57.74 。

21:35:56