使用Keras和LeNet5的图像分类,最终结果12.49%

Batch大小为64,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12.49。

得分记录
2019-04-04

Batch Size 数据为 64 ,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 10.07 。

16:28:54

Batch Size 数据为 64 ,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 11.63 。

12:40:39

Batch Size 数据为 64 ,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 9.54 。

11:41:16

Batch Size 数据为 64 ,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 12.2 。

11:23:33

Batch Size 数据为 64 ,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 12.49 。

10:51:08

Batch Size 数据为 64 ,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 11.53 。

09:01:18

Batch Size 数据为 32 ,Epoch循环次数为 800 次, 通过在线上环境完成训练,模型最优精度评分为 1.57 。

08:46:50
2019-03-28

Batch Size 数据为 32 ,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 1.1 。

17:31:08