使用TensorFlow和CNN的图像,最终结果90.65%

Batch大小为150,循环次数为2000次,损失函数优化完,最终完成评分为90.65。

得分记录
2019-04-09

Batch Size 数据为 128 ,Epoch循环次数为 2 次,损失函数优化完,最终完成评分为 68.37

20:50:53
2019-04-09

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 83.68

04:17:16

Batch Size 数据为 128 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 55.28

02:49:45
2019-04-06

Batch Size 数据为 160 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 75.92

17:16:56

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 83.82

15:32:30

Batch Size 数据为 180 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 87.85

13:24:50

Batch Size 数据为 150 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 90.65

12:09:13

Batch Size 数据为 300 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 79.65

09:35:59
2019-04-06

Batch Size 数据为 200 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 89

03:53:33

Batch Size 数据为 256 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 72.68

00:47:54

Batch Size 数据为 256 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 65.78

23:23:12

Batch Size 数据为 256 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 72.32

18:01:05
2019-04-05

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 52.41

16:01:12

Batch Size 数据为 512 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 48.09

14:49:59

Batch Size 数据为 256 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 88.64

12:14:45

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 28.11

05:06:25

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 18.19

04:26:13
2019-04-05

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 20.63

01:28:31