通过PyTorch进行CNN的神经网络构筑,图像分类

Batch大小为1,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84.12。

得分记录
2020-06-04

Batch Size 数据为 32 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 87.24 。

10:12:44

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 80.68 。

19:39:47
2020-06-03

Batch Size 数据为 32 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 80.35 。

04:20:04

Batch Size 数据为 32 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 80.92 。

17:52:04
2020-06-02

Batch Size 数据为 32 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 79.35 。

09:31:03
2020-06-01

Batch Size 数据为 32 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 82.5 。

08:27:37
2020-05-18

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 78.8 。

08:20:26
2020-05-03

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 84.12 。

13:03:22

Batch Size 数据为 32 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 78.82 。

03:29:37