基于CNN、PyTorch实现图像分类

Batch大小为32,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96.38。

得分记录
2020-06-23

Batch Size 数据为 16 ,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 94.57 。

03:33:34
2020-05-30

Batch Size 数据为 32 ,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 95.93 。

06:49:33
2020-05-28

Batch Size 数据为 32 ,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 95.48 。

14:22:14
2020-05-20

Batch Size 数据为 32 ,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 96.38 。

07:36:46

Batch Size 数据为 32 ,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 94.12 。

13:05:37
2020-05-13

Batch Size 数据为 32 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 95.02 。

17:34:01
2020-05-10

Batch Size 数据为 64 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 93.67 。

05:09:16
2020-05-06

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

02:40:15
2020-05-03

Batch Size 数据为 32 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 91.86 。

01:07:46

Batch Size 数据为 32 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 91.86 。

15:21:00
2020-05-02

Batch Size 数据为 32 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 87.78 。

12:59:01

Batch Size 数据为 64 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 87.33 。

12:17:48