使用PyTorch构建SENet进行图像分类,准确率87.6%

Batch大小为64,循环次数为2000次,损失函数优化完,最终完成评分为87.6。

得分记录
2019-11-04

Batch Size 数据为 32 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 79

20:34:17

Batch Size 数据为 64 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 82.5

17:23:21

Batch Size 数据为 64 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 81.4

15:29:29
2019-11-03

Batch Size 数据为 32 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 85.3

23:46:19

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 87.6

18:47:38

Batch Size 数据为 32 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 83.3

12:39:32
2019-11-03

Batch Size 数据为 32 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 72.6

10:43:39

Batch Size 数据为 32 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 64.2

09:27:48

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 64.3

08:05:18

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 74

06:51:15
2019-11-02

Batch Size 数据为 32 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 71.8

23:51:04

Batch Size 数据为 500 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 76.5

12:39:22
2019-11-02

Batch Size 数据为 500 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 67.9

09:51:06

Batch Size 数据为 500 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 68.3

07:26:35