如何优雅的使用ResNet、Keras实现图像分类任务,准确率88.1%

Batch大小为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为88.10。

得分记录
2019-11-07

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 80.6 。

21:32:13

Batch Size 数据为 64 ,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 78 。

15:36:10

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 88.1 。

11:41:18
2019-11-07

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 86.3 。

03:46:55
2019-11-06

Batch Size 数据为 128 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 41 。

08:19:57

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 60.4 。

02:14:17

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 13.5 。

22:34:20
2019-11-05

Batch Size 数据为 32 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 16.1 。

14:23:10