通过PyTorch进行CNN的神经网络构筑，图像分类

Batch大小为64，循环次数为30次，通过在线上环境完成训练，模型最优精度评分为99.86。

水下鱼类物种识别(FlyAI2.0 竞赛框架) CNN PyTorch
得分记录
2020-04-21

Batch Size 数据为 500 ，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 99.84 。

02:20:11
2020-04-20

Batch Size 数据为 500 ，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 99.82 。

00:22:14
2020-04-18

Batch Size 数据为 500 ，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 98.86 。

17:16:21

Batch Size 数据为 500 ，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 99.86 。

02:30:15
2020-04-17

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.82 。

13:10:17
2020-04-17

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.86 。

00:56:09

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.89 。

18:36:27
2020-04-15

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.84 。

19:28:41
2020-04-14

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.86 。

18:51:19

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.86 。

02:12:02
2020-04-12

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.82 。

18:11:49

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.86 。

23:09:20
2020-04-11

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.84 。

07:01:19
2020-04-09

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.8 。

20:51:11
2020-04-08

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.86 。

16:48:06
2020-04-07

Batch Size 数据为 500 ，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 99.82 。

01:43:29
2020-04-06

Batch Size 数据为 500 ，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 99.68 。

02:53:25
2020-04-04

Batch Size 数据为 500 ，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 99.75 。

20:15:42
2020-04-03

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.82 。

16:35:22
2020-04-02

Batch Size 数据为 500 ，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 99.68 。

18:58:38
2020-04-01

Batch Size 数据为 500 ，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 99.68 。

05:44:29
2020-03-31

Batch Size 数据为 500 ，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 99.64 。

05:46:59
2020-03-30

Batch Size 数据为 500 ，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 99.82 。

15:39:49
2020-03-29

Batch Size 数据为 500 ，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 99.8 。

15:29:07

Batch Size 数据为 500 ，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 99.84 。

17:56:27
2020-03-27

Batch Size 数据为 500 ，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 99.61 。

21:35:08

Batch Size 数据为 500 ，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 99.8 。

12:50:31
2020-03-26

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.8 。

04:51:41
2020-03-25

Batch Size 数据为 500 ，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 99.82 。

14:10:27
2020-03-24

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.86 。

19:39:43
2020-03-23

Batch Size 数据为 500 ，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 99.7 。

20:32:33

Batch Size 数据为 500 ，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 99.8 。

14:13:47
2020-03-23

Batch Size 数据为 500 ，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 99.8 。

01:49:53

Batch Size 数据为 1 ，Epoch循环次数为 1 次， 通过在线上环境完成训练，模型最优精度评分为 99.73 。

19:51:55
2020-03-22

Batch Size 数据为 1 ，Epoch循环次数为 1 次， 通过在线上环境完成训练，模型最优精度评分为 99.75 。

12:59:42
2020-03-21

Batch Size 数据为 500 ，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 99.77 。

22:33:06

Batch Size 数据为 500 ，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 99.82 。

21:18:07

Batch Size 数据为 500 ，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 99.82 。

18:54:56

Batch Size 数据为 500 ，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 99.59 。

14:04:21
2020-03-21

Batch Size 数据为 500 ，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 99.7 。

12:12:30

Batch Size 数据为 1 ，Epoch循环次数为 1 次， 通过在线上环境完成训练，模型最优精度评分为 99.68 。

11:24:19

Batch Size 数据为 64 ，Epoch循环次数为 30 次， 通过在线上环境完成训练，模型最优精度评分为 99.86 。

07:35:53
2020-03-21

Batch Size 数据为 1 ，Epoch循环次数为 1 次， 通过在线上环境完成训练，模型最优精度评分为 99.82 。

02:27:21

经验推荐

算法关键词

COVID 新冠 人脸识别 文字检测 语义分割 Attention Bi-LSTM 科技 Jieba分词 LSTM MLP 自然语言处理 RNN Seq2seq 精英赛 word2vec 注意力机制 Mask-RCNN FasterRCNN CSV快速评测