使用TensorFlow构建CNN进行图像分类,准确率100%

Batch大小为500,循环次数为32次,损失函数优化完,最终完成评分为100。

得分记录
2019-07-18

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 100

14:09:12
2019-07-17

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.99

08:02:26

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.97

02:47:45

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.97

00:55:57
2019-07-16

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.97

22:10:20
2019-07-05

Batch Size 数据为 128 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 99.75

18:18:29

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 97.83

14:08:03

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.96

09:57:56

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.96

08:19:57

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.96

08:00:21
2019-07-05

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.96

02:53:46

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.96

02:33:22

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 99.96

01:23:55
2019-06-27

Batch Size 数据为 128 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.96

17:14:15

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.96

14:37:02

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.94

09:45:13

Batch Size 数据为 128 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 99.96

08:39:44

Batch Size 数据为 64 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 99.36

08:13:16

Batch Size 数据为 64 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 99.66

07:58:45
2019-06-26

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.75

23:35:32

Batch Size 数据为 256 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 99.97

15:45:01

Batch Size 数据为 256 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 99.97

14:50:32

Batch Size 数据为 512 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 99.96

13:32:32
2019-06-26

Batch Size 数据为 256 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.96

12:43:58

Batch Size 数据为 128 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 99.97

12:05:53

Batch Size 数据为 64 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 99.96

11:21:50

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.82

10:50:43

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.96

09:15:28

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.92

04:42:24
2019-06-26

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 99.95

04:11:48

Batch Size 数据为 64 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 99.85

17:26:11
2019-06-25

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 99.95

09:30:16

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 99.92

07:34:27

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 99.75

04:54:40

Batch Size 数据为 128 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 99.89

00:00:05
2019-06-24

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 96.5

21:08:06
2019-06-23

Batch Size 数据为 64 ,Epoch循环次数为 12 次,损失函数优化完,最终完成评分为 99.8

13:59:32

Batch Size 数据为 64 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 99.8

12:23:56

Batch Size 数据为 64 ,Epoch循环次数为 9 次,损失函数优化完,最终完成评分为 99.91

10:57:19

Batch Size 数据为 64 ,Epoch循环次数为 8 次,损失函数优化完,最终完成评分为 99.86

10:19:42

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.96

05:54:57

Batch Size 数据为 64 ,Epoch循环次数为 7 次,损失函数优化完,最终完成评分为 99.95

03:11:34
2019-06-23

Batch Size 数据为 64 ,Epoch循环次数为 6 次,损失函数优化完,最终完成评分为 99.92

01:46:41

Batch Size 数据为 64 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 99.89

00:30:22

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.81

22:46:25

Batch Size 数据为 32 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 99.87

18:50:41

Batch Size 数据为 64 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 99.9

16:20:32
2019-06-22

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 99.87

15:00:13

Batch Size 数据为 128 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 14.06

13:48:22

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 59.33

12:37:22

Batch Size 数据为 32 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 12.57

12:13:05