Keras基于CNN的预测实例:图像分类

Batch大小为64,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为29.38。

得分记录
2019-05-16

Batch Size 数据为 64 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 24.26 。

06:09:47
2019-05-09

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 24.66 。

19:25:36
2019-05-07

Batch Size 数据为 64 ,Epoch循环次数为 40 次, 通过在线上环境完成训练,模型最优精度评分为 25.26 。

17:45:05

Batch Size 数据为 32 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 25.82 。

13:59:27

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 25.26 。

13:15:43

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 25.82 。

12:23:06

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 25.26 。

09:32:50

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 27.02 。

09:13:49

Batch Size 数据为 64 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 28.1 。

09:09:09

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 29.38 。

09:05:08