使用PyTorch构建CNN进行目标检测,准确率44.17%

Batch大小为1,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为44.17。

得分记录
2022-07-25

Batch Size 数据为 8 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 42.21 。

03:02:39
2022-07-08

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 25.65 。

13:39:01

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 34.28 。

12:56:39
2022-07-03

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 35.86 。

21:38:57
2021-02-01

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 41.24 。

10:02:34
2021-01-30

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 43.09 。

15:47:26

Batch Size 数据为 4 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 33.96 。

10:18:08
2020-12-25

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 42.12 。

15:08:10
2020-12-22

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 42.77 。

14:38:05

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 42.7 。

06:01:15
2020-11-27

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 41.93 。

22:37:18

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 40.88 。

18:25:09
2020-11-27

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 44.03 。

00:24:37

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 43.91 。

16:59:58
2020-11-26

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 43.74 。

01:08:48

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 40.62 。

18:52:46
2020-11-23

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 43.33 。

13:55:11
2020-11-22

Batch Size 数据为 3 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 42.81 。

05:25:55
2020-11-21

Batch Size 数据为 10 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 39.37 。

03:36:47
2020-10-19

Batch Size 数据为 1 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 44.17 。

06:34:38