通过Keras进行CNN的神经网络构筑,经典

Batch大小为1024,循环次数为5000次,损失函数优化完,最终完成评分为79.6。

得分记录
2019-04-06

Batch Size 数据为 1024 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 62.78

16:57:21

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 60.59

16:21:11

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 57.91

16:15:41

Batch Size 数据为 1024 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 61.68

16:08:39

Batch Size 数据为 32 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 61.94

14:32:36

Batch Size 数据为 64 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 60.26

13:42:34

Batch Size 数据为 32 ,Epoch循环次数为 4300 次,损失函数优化完,最终完成评分为 58.4

13:04:07

Batch Size 数据为 32 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 61.36

12:16:39

Batch Size 数据为 1024 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 61.83

11:40:06
2019-04-05

Batch Size 数据为 256 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 57.16

23:48:10

Batch Size 数据为 64 ,Epoch循环次数为 4300 次,损失函数优化完,最终完成评分为 54.17

22:41:49

Batch Size 数据为 64 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 61.92

21:04:23

Batch Size 数据为 2048 ,Epoch循环次数为 1694 次,损失函数优化完,最终完成评分为 78.2

13:01:11
2019-04-05

Batch Size 数据为 2048 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 78.31

04:41:54

Batch Size 数据为 2048 ,Epoch循环次数为 1949 次,损失函数优化完,最终完成评分为 79.25

01:52:48

Batch Size 数据为 2048 ,Epoch循环次数为 1949 次,损失函数优化完,最终完成评分为 77.32

00:19:00

Batch Size 数据为 2048 ,Epoch循环次数为 1950 次,损失函数优化完,最终完成评分为 78.67

22:42:32

Batch Size 数据为 2048 ,Epoch循环次数为 2500 次,损失函数优化完,最终完成评分为 78.41

21:58:10

Batch Size 数据为 1024 ,Epoch循环次数为 2500 次,损失函数优化完,最终完成评分为 78.67

21:16:29

Batch Size 数据为 1024 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 79.6

20:46:29

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 73.92

20:01:55

Batch Size 数据为 64 ,Epoch循环次数为 8983 次,损失函数优化完,最终完成评分为 71.95

19:53:32

Batch Size 数据为 64 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 74.7

19:15:54

Batch Size 数据为 512 ,Epoch循环次数为 7000 次,损失函数优化完,最终完成评分为 58.33

18:59:41

Batch Size 数据为 512 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 58.29

18:20:08

Batch Size 数据为 128 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 70.1

17:12:34

Batch Size 数据为 256 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 69.64

16:54:06

Batch Size 数据为 256 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 70.33

16:31:55

Batch Size 数据为 256 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 70.03

15:33:43

Batch Size 数据为 512 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 67.29

14:57:09
2019-04-04

Batch Size 数据为 32 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 58.13

13:24:04

Batch Size 数据为 256 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 67.2

13:11:21

Batch Size 数据为 128 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 66.82

12:30:48

Batch Size 数据为 64 ,Epoch循环次数为 9000 次,损失函数优化完,最终完成评分为 64.46

10:00:43
2019-04-04

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 9.72

00:48:18

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 10.05

00:39:17

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 10.21

00:30:19

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 10.21

00:22:42

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 10.21

23:57:22

Batch Size 数据为 32 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 10.21

23:37:24

Batch Size 数据为 32 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 10.21

23:23:23

Batch Size 数据为 32 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 47.85

23:13:46

Batch Size 数据为 32 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 42.25

23:01:01

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 31.32

22:45:33
2019-04-02

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 63.72

18:18:37

Batch Size 数据为 128 ,Epoch循环次数为 800 次,损失函数优化完,最终完成评分为 43.26

16:00:53