如何优雅的使用LeNet5、Keras实现图像分类任务,准确率24.85%

Batch大小为32,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为24.85。

得分记录
2019-04-05

Batch Size 数据为 32 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 1.3 。

12:16:55

Batch Size 数据为 32 ,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 7.14 。

14:25:55
2019-04-01

Batch Size 数据为 32 ,Epoch循环次数为 10000 次, 通过在线上环境完成训练,模型最优精度评分为 24.85 。

15:03:27
2019-03-31

Batch Size 数据为 32 ,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 5.27 。

23:40:58

Batch Size 数据为 32 ,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 1.09 。

14:57:06
2019-03-28

Batch Size 数据为 32 ,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 1.37 。

22:34:58

Batch Size 数据为 32 ,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 1.24 。

17:45:54

Batch Size 数据为 32 ,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 1.7 。

17:38:54
2019-03-27

Batch Size 数据为 32 ,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 0.96 。

19:10:50

Batch Size 数据为 32 ,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 1.12 。

13:04:31