基于121、PyTorch实现视觉计算

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95.47。

得分记录
2019-04-08

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 95.47

00:19:44

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 95.28

22:29:54

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 72.92

21:47:36
2019-04-07

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 77.58

02:20:04

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 73.24

21:38:48

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 71.58

21:04:22

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 69.85

20:33:37

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 67.88

19:31:05

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 72.49

18:49:43

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 14.18

16:11:11
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 21.55

02:01:44
2019-04-05

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 27.05

10:04:37

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 28.03

08:52:13

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 25.72

08:30:41
2019-04-04

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 21.01

23:09:13