使用Keras构建CNN进行图像分类,准确率90.25%

Batch大小为256,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为90.25。

得分记录
2019-05-07

Batch Size 数据为 256 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 25.26 。

06:13:55

Batch Size 数据为 256 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 90.25 。

03:35:29

Batch Size 数据为 256 ,Epoch循环次数为 800 次, 通过在线上环境完成训练,模型最优精度评分为 67.75 。

22:32:07

Batch Size 数据为 256 ,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 89.93 。

20:54:08

Batch Size 数据为 256 ,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 47 。

17:34:33

Batch Size 数据为 256 ,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 43.88 。

16:17:22
2019-05-06

Batch Size 数据为 256 ,Epoch循环次数为 800 次, 通过在线上环境完成训练,模型最优精度评分为 78.22 。

13:45:00
2019-05-06

Batch Size 数据为 128 ,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 41.85 。

02:52:59