PyTorch实现CNN,用于图像分类,预测结果为89.44%

Batch大小为64,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89.44。

得分记录
2020-11-12

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 89.44 。

08:56:19

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 88.19 。

15:34:12
2020-11-10

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 88.49 。

15:50:21

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 87.7 。

05:26:03
2020-11-08

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 88.01 。

06:15:16

Batch Size 数据为 32 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 88.84 。

16:45:27
2020-11-06

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 87.54 。

15:12:41
2020-11-05

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 87.94 。

18:03:55
2020-11-05

Batch Size 数据为 64 ,Epoch循环次数为 12 次, 通过在线上环境完成训练,模型最优精度评分为 82.85 。

01:20:59

Batch Size 数据为 32 ,Epoch循环次数为 13 次, 通过在线上环境完成训练,模型最优精度评分为 82.04 。

18:58:22
2020-11-03

Batch Size 数据为 64 ,Epoch循环次数为 12 次, 通过在线上环境完成训练,模型最优精度评分为 85.62 。

16:34:04

Batch Size 数据为 64 ,Epoch循环次数为 12 次, 通过在线上环境完成训练,模型最优精度评分为 77.49 。

12:41:48
2020-11-03

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 55.95 。

00:06:54