Keras实现CNN,用于图像分类,预测结果为92.57%

Batch大小为256,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为92.57。

得分记录
2019-05-10

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 87.73 。

17:57:06

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 90.17 。

06:00:51

Batch Size 数据为 64 ,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 90.85 。

22:36:53
2019-05-09

Batch Size 数据为 64 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 82.21 。

03:34:44

Batch Size 数据为 256 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 92.57 。

03:28:50

Batch Size 数据为 128 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 88.69 。

03:20:15
2019-05-08

Batch Size 数据为 512 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 80.1 。

02:15:23
2019-05-07

Batch Size 数据为 512 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 27.54 。

14:29:09