PyTorch基于LSTM的预测实例:PyTorch

Batch大小为256,循环次数为3000次,损失函数优化完,最终完成评分为70.93。

得分记录
2019-04-30

Batch Size 数据为 1024 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 63.16

11:05:06
2019-04-29

Batch Size 数据为 1024 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 63.16

16:54:46

Batch Size 数据为 256 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 63.16

14:58:28
2019-04-28

Batch Size 数据为 256 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 63.16

18:15:20

Batch Size 数据为 256 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 68.77

16:57:33

Batch Size 数据为 256 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 70.93

11:59:37
2019-04-28

Batch Size 数据为 256 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 70.18

03:31:24

Batch Size 数据为 256 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 70.04

02:03:36

Batch Size 数据为 256 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 63.16

21:41:26

Batch Size 数据为 256 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 63.16

19:18:44

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 63.16

18:27:07
2019-04-27

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 70.24

12:27:47

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 67.62

10:43:33
2019-04-27

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 67.63

01:17:56