使用Keras构建CNN进行视觉计算,准确率47.73%

Batch大小为64,循环次数为2000次,损失函数优化完,最终完成评分为47.73。

得分记录
2019-04-04

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 35.1

09:25:06
2019-04-03

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 47.73

23:20:29

Batch Size 数据为 64 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 4.35

20:45:05

Batch Size 数据为 64 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 25.46

18:49:07

Batch Size 数据为 64 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 4.84

17:40:20

Batch Size 数据为 64 ,Epoch循环次数为 2500 次,损失函数优化完,最终完成评分为 26.08

17:25:09

Batch Size 数据为 64 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 23.51

16:40:49
2019-04-01

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 22.4

23:58:56

Batch Size 数据为 64 ,Epoch循环次数为 2500 次,损失函数优化完,最终完成评分为 22.57

16:46:07
2019-04-01

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 27.33

11:48:07

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 25.91

08:25:41

Batch Size 数据为 64 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 26.59

02:59:41