PyTorch下用CNN进行视觉计算

Batch大小为100,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为83.12。

得分记录
2019-03-28

Batch Size 数据为 128 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 18.86 。

17:42:58

Batch Size 数据为 128 ,Epoch循环次数为 10000 次, 通过在线上环境完成训练,模型最优精度评分为 17.34 。

09:31:30
2019-03-27

Batch Size 数据为 300 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 24.09 。

23:09:25

Batch Size 数据为 300 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 0.92 。

22:27:56
2019-03-22

Batch Size 数据为 128 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 1.39 。

21:03:48

Batch Size 数据为 300 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 1.51 。

20:53:24
2019-03-20

Batch Size 数据为 300 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 1.73 。

23:08:27
2019-03-20

Batch Size 数据为 100 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 83.12 。

12:49:41

Batch Size 数据为 100 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 53.61 。

11:37:38

Batch Size 数据为 100 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 8.06 。

11:34:26