使用PyTorch构建SENet进行图像分类,准确率90.3%

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90.30。

得分记录
2019-11-14

Batch Size 数据为 64 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 85 。

02:41:21
2019-11-11

Batch Size 数据为 16 ,Epoch循环次数为 40 次, 通过在线上环境完成训练,模型最优精度评分为 79.5 。

10:29:47
2019-11-09

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 75.9 。

22:06:35
2019-11-08

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 79.8 。

02:34:40

Batch Size 数据为 16 ,Epoch循环次数为 64 次, 通过在线上环境完成训练,模型最优精度评分为 89.1 。

10:05:44
2019-11-06

Batch Size 数据为 32 ,Epoch循环次数为 64 次, 通过在线上环境完成训练,模型最优精度评分为 90.3 。

12:45:11

Batch Size 数据为 1 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 13.6 。

03:14:24
2019-11-05

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 90.3 。

13:34:09
2019-11-04

Batch Size 数据为 16 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 10.3 。

15:15:35
2019-10-31

Batch Size 数据为 8 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 46.8 。

22:57:32