使用TensorFlow和CNN的图像分类,最终结果98.74%

Batch大小为64,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98.74。

得分记录
2019-06-18

Batch Size 数据为 64 ,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 98.74 。

03:13:37

Batch Size 数据为 32 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 87.23 。

00:26:30
2019-06-16

Batch Size 数据为 32 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 13.44 。

13:33:13
2019-06-15

Batch Size 数据为 32 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 6.71 。

02:24:53

Batch Size 数据为 32 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 9.35 。

01:10:39
2019-06-14

Batch Size 数据为 32 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 11.26 。

03:28:44
2019-06-11

Batch Size 数据为 32 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 5.23 。

09:18:13

Batch Size 数据为 32 ,Epoch循环次数为 2 次, 通过在线上环境完成训练,模型最优精度评分为 7.63 。

04:22:02
2019-06-09

Batch Size 数据为 64 ,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 9.04 。

17:12:50

Batch Size 数据为 8 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 2.59 。

12:05:39
2019-06-05

Batch Size 数据为 32 ,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 84.62 。

06:00:24