PyTorch基于SENet的预测实例:图像分类

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87.2。

得分记录
2019-11-05

Batch Size 数据为 32 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 85

11:40:34

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 85.9

10:47:23

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 84.3

09:30:50

Batch Size 数据为 32 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 82.9

05:21:59
2019-11-05

Batch Size 数据为 64 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 78.9

00:37:11

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 83.2

22:15:42

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 70.2

17:27:46

Batch Size 数据为 32 ,Epoch循环次数为 12 次,损失函数优化完,最终完成评分为 73.4

15:40:48

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 84.6

14:45:26

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 87.2

11:12:30
2019-11-01

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 64.1

20:40:21

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 51.6

17:39:30

Batch Size 数据为 64 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 19.1

16:44:13