如何优雅的使用CNN、Keras实现图像分类任务,准确率29.58%

Batch大小为64,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29.58。

得分记录
2019-05-15

Batch Size 数据为 128 ,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 25.3 。

07:53:31

Batch Size 数据为 100 ,Epoch循环次数为 64 次, 通过在线上环境完成训练,模型最优精度评分为 26.38 。

07:36:47

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 23.06 。

07:25:23
2019-05-11

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 29.58 。

07:46:12
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 24.66 。

08:49:51
2019-05-09

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 25.7 。

08:41:28
2019-05-08

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 25.82 。

10:58:15

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 25.82 。

10:53:25

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 24.66 。

10:48:05

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 26.1 。

10:33:58

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 25.82 。

09:47:29

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 25.82 。

09:14:49

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 26.38 。

09:08:27

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 25.82 。

09:03:52

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 25.82 。

08:39:38

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 25.82 。

08:35:08

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 25.94 。

08:27:53

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 25.82 。

08:11:27
2019-05-07

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 25.22 。

23:17:11
2019-05-06

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 25.82 。

19:20:16

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 22.94 。

18:44:18

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 26.02 。

17:47:37