这不仅仅是一个使用PyTorch和CNN来做图像分类的教程

Batch大小为64,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为88.55。

得分记录
2019-11-01

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 74.15 。

16:25:28
2019-10-31

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 78.99 。

19:27:18

Batch Size 数据为 64 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 66.72 。

15:23:15
2019-10-27

Batch Size 数据为 64 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 75.83 。

02:07:19

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 78.84 。

01:52:58

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 84.7 。

23:05:36

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 84.31 。

22:55:37

Batch Size 数据为 64 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 79.79 。

22:02:47
2019-10-25

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 71.19 。

13:33:21

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 50.66 。

13:13:18

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 35.25 。

12:54:51

Batch Size 数据为 64 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 68.24 。

08:23:55

Batch Size 数据为 64 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 36.95 。

07:55:36
2019-10-25

Batch Size 数据为 64 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 51.21 。

01:02:22
2019-10-24

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 86.3 。

01:49:26
2019-10-19

Batch Size 数据为 64 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 88.55 。

13:07:27

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 66.85 。

12:49:18

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 77.25 。

12:33:31

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 77.97 。

11:35:02

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 80.2 。

11:21:06

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 80.94 。

11:02:36

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 71.3 。

10:34:16
2019-10-19

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 83.65 。

01:53:26

Batch Size 数据为 64 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 85.42 。

01:29:05
2019-10-16

Batch Size 数据为 32 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 85.58 。

10:06:26
2019-10-15

Batch Size 数据为 32 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 32.45 。

01:15:01
2019-10-11

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 83.81 。

14:32:38

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 82.65 。

14:17:59

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 81.57 。

14:08:46

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 83.66 。

13:37:38
2019-10-10

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 82.11 。

20:35:55

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 79.27 。

19:46:01

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 73.09 。

19:23:49

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 81.71 。

16:07:16

Batch Size 数据为 32 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 82.83 。

15:49:08

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 83.57 。

13:38:51
2019-10-10

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 80.47 。

11:56:53
2019-09-24

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 84.36 。

08:45:40