Keras基于CNN的预测实例: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99.80。

得分记录
2020-03-28

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 18.65 。

09:55:12
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 25.28 。

03:53:09
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 99.8 。

21:23:17

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 36.77 。

16:16:18
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 16.51 。

02:19:40
2020-03-23

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 0.55 。

09:55:34
2020-03-22

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 26.28 。

17:42:44
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 18.65 。

22:10:59

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 33.14 。

18:35:52