基于PyTorch+CNN的图像分类

Batch大小为16,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为92.76。

得分记录
2020-05-22

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 92.31 。

07:59:58
2020-05-20

Batch Size 数据为 8 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 92.31 。

23:16:17

Batch Size 数据为 16 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 90.5 。

16:33:55
2020-05-17

Batch Size 数据为 16 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 91.86 。

10:16:43
2020-05-12

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 90.5 。

13:24:25
2020-05-11

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 87.78 。

22:37:53

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 92.31 。

20:17:21

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 92.76 。

14:46:55

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 91.4 。

11:30:22
2020-05-09

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 90.5 。

16:23:34

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 85.52 。

10:40:54
2020-05-08

Batch Size 数据为 16 ,Epoch循环次数为 150 次, 通过在线上环境完成训练,模型最优精度评分为 90.5 。

11:08:30
2020-05-07

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 90.5 。

18:51:06

Batch Size 数据为 16 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 88.69 。

14:43:41
2020-05-03

Batch Size 数据为 16 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 91.86 。

06:29:43
2020-05-01

Batch Size 数据为 16 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 88.69 。

11:51:34

Batch Size 数据为 16 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 90.05 。

10:35:17

Batch Size 数据为 32 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 88.24 。

10:10:41

Batch Size 数据为 32 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 89.14 。

09:56:42
2020-05-01

Batch Size 数据为 32 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 89.14 。

01:44:57

Batch Size 数据为 32 ,Epoch循环次数为 40 次, 通过在线上环境完成训练,模型最优精度评分为 47.51 。

01:32:38