Keras基于LeNet5的预测实例:图像分类

Batch大小为64,循环次数为3000次,损失函数优化完,最终完成评分为75.89。

得分记录
2019-04-08

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 0.83

13:28:06
2019-04-08

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 67.26

01:33:24

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 60.7

00:13:07

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 1

23:15:24

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 70.36

15:30:56
2019-04-07

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 64.37

12:59:30

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 66.68

12:10:12

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 66.08

11:33:34

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 75.89

10:53:47
2019-04-06

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 70.19

22:32:05

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 2.39

18:15:18
2019-04-06

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 5.94

11:01:47

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 2.97

04:35:48
2019-04-05

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 13.27

11:26:10