如何优雅的使用CNN、Keras实现图像分类任务,准确率98.72%

Batch大小为32,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为98.72。

得分记录
2019-05-23

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.6 。

22:07:51
2019-05-16

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.48 。

05:53:12
2019-05-12

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.72 。

18:33:17

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.56 。

14:25:48

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.12 。

13:30:29

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.84 。

12:36:33

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.56 。

11:39:59

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 94.16 。

10:44:39

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 93.25 。

07:47:24
2019-05-12

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.44 。

04:32:09

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.68 。

03:31:57

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.68 。

01:38:14

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.6 。

22:54:59

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.4 。

20:15:59

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.04 。

18:08:37

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.76 。

16:39:03
2019-05-11

Batch Size 数据为 32 ,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 98.64 。

14:40:20

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.52 。

12:53:25

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.72 。

11:53:06
2019-05-10

Batch Size 数据为 16 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.28 。

08:04:56

Batch Size 数据为 16 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.56 。

07:03:43

Batch Size 数据为 16 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.48 。

04:31:21

Batch Size 数据为 16 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.48 。

22:45:14

Batch Size 数据为 16 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.8 。

20:13:39

Batch Size 数据为 32 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 98.68 。

17:33:36
2019-05-09

Batch Size 数据为 32 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 98.6 。

15:09:07

Batch Size 数据为 32 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 98.64 。

12:28:01

Batch Size 数据为 32 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 98.24 。

11:02:52
2019-05-09

Batch Size 数据为 32 ,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 98.6 。

00:13:06

Batch Size 数据为 32 ,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 98.08 。

21:13:23

Batch Size 数据为 32 ,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 98.4 。

16:56:32

Batch Size 数据为 64 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.08 。

14:09:22
2019-05-08

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 91.97 。

06:12:38

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 24.66 。

04:39:40

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 25.22 。

02:58:17

Batch Size 数据为 64 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.6 。

20:29:33

Batch Size 数据为 128 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.4 。

18:10:36
2019-05-07

Batch Size 数据为 256 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.72 。

15:55:53

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.36 。

13:06:33

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.64 。

11:24:27

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.52 。

10:27:39
2019-05-07

Batch Size 数据为 16 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.16 。

01:56:53

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 95.6 。

23:17:46

Batch Size 数据为 64 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 93.29 。

18:57:08

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.72 。

14:43:08
2019-05-06

Batch Size 数据为 16 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 97.64 。

12:01:17
2019-05-05

Batch Size 数据为 32 ,Epoch循环次数为 4000 次, 通过在线上环境完成训练,模型最优精度评分为 98.68 。

22:04:20