使用PyTorch和CNN的目标检测,最终结果36.85%

Batch大小为8,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36.85。

得分记录
2020-10-16

Batch Size 数据为 8 ,Epoch循环次数为 6 次, 通过在线上环境完成训练,模型最优精度评分为 41.7 。

00:41:07

Batch Size 数据为 8 ,Epoch循环次数为 6 次, 通过在线上环境完成训练,模型最优精度评分为 41.43 。

16:24:23

Batch Size 数据为 8 ,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 39.87 。

14:05:39
2020-10-15

Batch Size 数据为 8 ,Epoch循环次数为 6 次, 通过在线上环境完成训练,模型最优精度评分为 42.43 。

01:42:57

Batch Size 数据为 8 ,Epoch循环次数为 6 次, 通过在线上环境完成训练,模型最优精度评分为 41.46 。

22:11:14

Batch Size 数据为 4 ,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 37.7 。

21:25:08
2020-10-13

Batch Size 数据为 8 ,Epoch循环次数为 3 次, 通过在线上环境完成训练,模型最优精度评分为 41.79 。

19:44:09

Batch Size 数据为 8 ,Epoch循环次数为 3 次, 通过在线上环境完成训练,模型最优精度评分为 39.93 。

17:51:00

Batch Size 数据为 8 ,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 40.76 。

15:23:20
2020-10-09

Batch Size 数据为 8 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 37.25 。

17:30:46
2020-10-08

Batch Size 数据为 8 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 41.52 。

03:03:27
2020-10-07

Batch Size 数据为 8 ,Epoch循环次数为 3 次, 通过在线上环境完成训练,模型最优精度评分为 38.88 。

05:29:09
2020-10-05

Batch Size 数据为 8 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 40.62 。

05:03:10
2020-07-17

Batch Size 数据为 8 ,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 36.85 。

18:50:04