PyTorch下用CNN进行图像分类

Batch大小为512,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为98.76。

得分记录
2019-06-03

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 98.32 。

15:03:40

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 98.76 。

13:19:28
2019-06-02

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 98.72 。

15:17:12
2019-05-31

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 98.76 。

19:46:56

Batch Size 数据为 32 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 98.36 。

16:07:58
2019-05-30

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 98.4 。

01:47:36
2019-05-29

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 98.6 。

11:34:40

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 98.56 。

09:04:51

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 。

06:14:32

Batch Size 数据为 64 ,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 98.76 。

03:30:46
2019-05-29

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 98 。

01:00:19

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 97.68 。

20:04:15

Batch Size 数据为 512 ,Epoch循环次数为 3 次, 通过在线上环境完成训练,模型最优精度评分为 72.62 。

13:50:57
2019-05-15

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 98.6 。

16:27:32

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 98.72 。

15:41:24

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 98.68 。

14:38:45

Batch Size 数据为 512 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 97.76 。

13:48:59

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 98.76 。

12:02:03

Batch Size 数据为 512 ,Epoch循环次数为 6 次, 通过在线上环境完成训练,模型最优精度评分为 84.69 。

10:27:12
2019-05-15

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 98.72 。

07:18:54
2019-05-14

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 98.76 。

15:24:05

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 98.68 。

10:39:56

Batch Size 数据为 512 ,Epoch循环次数为 60 次, 通过在线上环境完成训练,模型最优精度评分为 98.08 。

07:34:27

Batch Size 数据为 512 ,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 94.68 。

04:37:35
2019-05-14

Batch Size 数据为 512 ,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 93.84 。

01:21:38

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 98.12 。

19:54:54

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 98.56 。

16:57:25
2019-05-13

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 97.8 。

09:55:20
2019-05-11

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 97.44 。

06:27:24
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 98.52 。

21:19:02

Batch Size 数据为 64 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 98.16 。

17:40:45

Batch Size 数据为 512 ,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 85.73 。

15:14:25
2019-05-08

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 98.6 。

12:20:45

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 98.08 。

11:11:23

Batch Size 数据为 512 ,Epoch循环次数为 60 次, 通过在线上环境完成训练,模型最优精度评分为 97.76 。

09:13:15
2019-05-07

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 98.52 。

16:21:02
2019-05-06

Batch Size 数据为 512 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 97.56 。

23:28:46