使用PyTorch和BCAN的图像超分辨率重建,最终结果83.66%

Batch大小为16,循环次数为1次,损失函数优化完,最终完成评分为83.66。

得分记录
2019-11-21

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 84.7

17:37:31
2019-11-19

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 84.59

02:30:19
2019-11-16

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 83.61

13:59:38

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 59.98

21:03:40
2019-11-09

Batch Size 数据为 32 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 83.64

02:01:11
2019-11-06

Batch Size 数据为 1 ,Epoch循环次数为 25 次,损失函数优化完,最终完成评分为 83.51

10:46:55
2019-11-04

Batch Size 数据为 1 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 82.83

22:48:15
2019-11-01

Batch Size 数据为 1 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 76.54

20:22:43

Batch Size 数据为 32 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 52.49

12:08:45
2019-10-31

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 83.66

20:44:56
2019-10-31

Batch Size 数据为 32 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 81.53

00:16:54
2019-10-29

Batch Size 数据为 32 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 82.92

23:15:20

Batch Size 数据为 32 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 81.32

11:41:02
2019-10-29

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 81.25

06:30:46

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 83.39

22:38:30
2019-10-28

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 56.45

14:29:44

Batch Size 数据为 16 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 82.84

13:55:35

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 53.42

11:19:01

Batch Size 数据为 16 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 81.55

11:03:52

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 51.68

08:33:26
2019-10-27

Batch Size 数据为 16 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 79.35

20:57:23

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 52.88

20:12:56

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 51.86

16:34:06

Batch Size 数据为 16 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 51.72

15:18:45