resnext+PyTorch+图像分类

Batch大小为64,循环次数为3000次,损失函数优化完,最终完成评分为73.97。

得分记录
2019-03-29

Batch Size 数据为 64 ,Epoch循环次数为 600 次,损失函数优化完,最终完成评分为 60.26

22:20:38

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 71.68

21:41:03

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 66.49

16:42:48

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 61.39

15:27:37

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 63.9

15:19:58

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 73.97

13:38:01

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 70.41

11:16:54

Batch Size 数据为 32 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 59.57

09:19:30
2019-03-29

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 29.15

04:47:30

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 19.74

04:00:38

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 50.86

03:57:20

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 6.39

02:03:34

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 11.42

01:07:38

Batch Size 数据为 128 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 63.63

00:44:33
2019-03-28

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 22.69

10:08:57
2019-03-27

Batch Size 数据为 128 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 58.51

15:46:21