PyTorch基于CNN的预测实例:图像分类

Batch大小为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为87.30。

得分记录
2019-11-05

Batch Size 数据为 128 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 66 。

09:54:18
2019-11-03

Batch Size 数据为 64 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 32.45 。

12:25:45
2019-10-26

Batch Size 数据为 128 ,Epoch循环次数为 400 次, 通过在线上环境完成训练,模型最优精度评分为 86.75 。

21:14:29

Batch Size 数据为 64 ,Epoch循环次数为 32 次, 通过在线上环境完成训练,模型最优精度评分为 32.45 。

21:03:53

Batch Size 数据为 128 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 87.3 。

18:22:05
2019-10-25

Batch Size 数据为 128 ,Epoch循环次数为 400 次, 通过在线上环境完成训练,模型最优精度评分为 85.53 。

11:56:21

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 32.45 。

11:29:05
2019-10-24

Batch Size 数据为 128 ,Epoch循环次数为 400 次, 通过在线上环境完成训练,模型最优精度评分为 86.4 。

22:44:29

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 32.45 。

22:29:03