Keras基于VGG的预测实例:图像超分辨率重建

Batch大小为16,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78.51。

得分记录
2019-11-01

Batch Size 数据为 16 ,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 78.51 。

08:22:11
2019-10-31

Batch Size 数据为 16 ,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 77.28 。

05:50:23
2019-10-29

Batch Size 数据为 16 ,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 77.34 。

05:47:02
2019-10-26

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 63.14 。

03:08:49

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 76.14 。

17:04:10
2019-10-20

Batch Size 数据为 32 ,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 56.12 。

22:08:13

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 46.14 。

17:28:13

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 45.13 。

14:22:36