如何优雅的使用CNN、PyTorch实现图像分类任务,准确率57.94%

Batch大小为64,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57.94。

得分记录
2020-05-18

Batch Size 数据为 64 ,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 57.66 。

02:06:20

Batch Size 数据为 64 ,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 57.94 。

14:53:22
2020-05-15

Batch Size 数据为 128 ,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 57.79 。

04:14:54
2020-05-09

Batch Size 数据为 128 ,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 57.63 。

05:40:24
2020-05-04

Batch Size 数据为 128 ,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 57.43 。

18:07:18
2020-05-03

Batch Size 数据为 128 ,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 57.21 。

20:46:56
2020-04-29

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 52.23 。

01:44:09
2020-04-24

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 53.87 。

05:54:46
2020-04-23

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 52.35 。

15:05:18
2020-04-22

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 49.89 。

06:11:30
2020-04-20

Batch Size 数据为 64 ,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 56.49 。

10:01:21