基于CNN、PyTorch实现图像二分类

Batch大小为128,循环次数为1000次,损失函数优化完,最终完成评分为83.66。

得分记录
2019-08-20

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 60.28

17:04:10

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 68.9

12:59:53
2019-08-16

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 75.26

11:12:44
2019-08-13

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 50.5

22:47:44
2019-08-07

Batch Size 数据为 128 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 53.22

20:22:32

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 62.22

19:28:20

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 79.38

18:01:33

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 74.92

16:45:32

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 65.52

15:13:00

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 77.44

14:26:49

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 81.02

13:00:10

Batch Size 数据为 128 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 82.74

12:21:59

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 83.66

11:43:09
2019-08-07

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 54.7

02:31:00

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 50.76

01:42:05

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 70.66

20:24:55

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 52.38

17:07:08
2019-08-05

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 49.66

18:09:01

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 50.28

15:06:00

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 49.82

12:25:17

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 49.76

12:05:11

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 49.66

11:27:48
2019-08-03

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 49.66

19:19:31