使用PyTorch构建CNN进行图像分类,准确率52.61%

通过在本地训练模型并对提交文件的实时评测,最终完成评分为52.61。

得分记录
2020-03-05

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 51.92。

10:10:10

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 52.61。

10:07:53

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 46.92。

10:06:00

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 51.18。

10:04:05

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 52.32。

10:01:47

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 51.97。

09:59:50

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 52.25。

09:57:11

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 50.74。

09:53:34

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 49.63。

09:50:22

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 50.79。

09:47:58

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 50.1。

09:46:00

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 50。

09:34:29
2020-03-03

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 47.17。

21:43:11

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 36.26。

21:38:01

Batch Size 数据为 0 ,Epoch循环次数为 0 次, 通过在本地训练模型并对提交文件的实时评测,最终完成评分为 47.91。

21:31:14