通过PyTorch进行CNN的神经网络构筑,图像分类

Batch大小为32,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为94.74。

得分记录
2019-05-05

Batch Size 数据为 32 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 83.04 。

11:37:57

Batch Size 数据为 32 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 63.74 。

11:08:24

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 13.45 。

10:56:18

Batch Size 数据为 32 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 90.64 。

10:36:33

Batch Size 数据为 32 ,Epoch循环次数为 400 次, 通过在线上环境完成训练,模型最优精度评分为 92.98 。

10:20:33
2019-05-05

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 92.4 。

00:31:13

Batch Size 数据为 32 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 94.74 。

00:24:03

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 13.45 。

00:14:11

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 14.04 。

23:53:02

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 14.04 。

22:49:30