通过TensorFlow进行VGG16的神经网络构筑,人脸识别

Batch大小为500,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69.98。

得分记录
2019-06-05

Batch Size 数据为 100 ,Epoch循环次数为 75 次, 通过在线上环境完成训练,模型最优精度评分为 54.49 。

22:17:21
2019-06-04

Batch Size 数据为 100 ,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 30.87 。

02:15:33

Batch Size 数据为 100 ,Epoch循环次数为 80 次, 通过在线上环境完成训练,模型最优精度评分为 69.94 。

22:15:27

Batch Size 数据为 500 ,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 65.75 。

19:02:22

Batch Size 数据为 500 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 63.16 。

17:11:36
2019-06-03

Batch Size 数据为 500 ,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 69.98 。

04:12:58

Batch Size 数据为 480 ,Epoch循环次数为 128 次, 通过在线上环境完成训练,模型最优精度评分为 47.19 。

03:36:52

Batch Size 数据为 128 ,Epoch循环次数为 400 次, 通过在线上环境完成训练,模型最优精度评分为 69.4 。

01:28:25
2019-06-01

Batch Size 数据为 500 ,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 69.81 。

02:23:03

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 68.88 。

23:34:56