基于MXNet+ResNet的经典

Batch大小为128,循环次数为16次,损失函数优化完,最终完成评分为90.28。

得分记录
2019-09-24

Batch Size 数据为 128 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 90.28

09:50:25

Batch Size 数据为 64 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 81.3

08:43:15

Batch Size 数据为 64 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 56.39

06:53:34

Batch Size 数据为 128 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 78.14

03:09:19
2019-09-23

Batch Size 数据为 128 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 86.39

08:23:12

Batch Size 数据为 64 ,Epoch循环次数为 16 次,损失函数优化完,最终完成评分为 79.96

23:00:19
2019-09-19

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 72.41

18:16:41
2019-09-14

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 72.47

18:18:55
2019-09-09

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 9.75

03:53:05

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 66.18

15:57:18
2019-09-08

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 68.51

11:49:54
2019-09-07

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 31.48

18:36:43

Batch Size 数据为 128 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 67.1

12:52:54

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 69.57

07:43:59
2019-09-06

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 60.48

20:55:04

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 73.27

16:59:38
2019-09-06

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 62.23

02:52:20

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 9.99

20:20:17

Batch Size 数据为 128 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 70.08

15:36:04
2019-09-05

Batch Size 数据为 256 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 58.16

11:35:06