Keras下用CNN进行图像分类

Batch大小为64,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为97.80。

得分记录
2019-05-10

Batch Size 数据为 64 ,Epoch循环次数为 10000 次, 通过在线上环境完成训练,模型最优精度评分为 97.56 。

03:09:15

Batch Size 数据为 64 ,Epoch循环次数为 6000 次, 通过在线上环境完成训练,模型最优精度评分为 97.72 。

20:30:14

Batch Size 数据为 64 ,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 89.57 。

16:23:48
2019-05-07

Batch Size 数据为 64 ,Epoch循环次数为 6000 次, 通过在线上环境完成训练,模型最优精度评分为 97.8 。

23:50:51

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 97.6 。

15:25:33
2019-05-07

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 97.8 。

11:57:18

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 75.22 。

02:08:34
2019-05-06

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 92.57 。

23:44:32

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 93.96 。

21:21:20

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 92.01 。

19:23:58

Batch Size 数据为 64 ,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 93.21 。

15:39:42
2019-05-06

Batch Size 数据为 64 ,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 24.26 。

02:23:47

Batch Size 数据为 64 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 24.26 。

23:44:20