使用PyTorch和ResNet的图像分类,最终结果89.7%

Batch大小为32,循环次数为400次,损失函数优化完,最终完成评分为89.7。

得分记录
2019-11-30

Batch Size 数据为 32 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 89.1

16:28:17
2019-11-23

Batch Size 数据为 16 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 86.2

10:12:17
2019-11-20

Batch Size 数据为 32 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 90.3

13:26:35
2019-11-19

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 83.1

14:24:46

Batch Size 数据为 32 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 66.1

14:02:32
2019-11-09

Batch Size 数据为 32 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 81.7

23:38:34

Batch Size 数据为 32 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 89.7

12:26:56
2019-11-08

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 89.2

03:02:28
2019-11-07

Batch Size 数据为 16 ,Epoch循环次数为 400 次,损失函数优化完,最终完成评分为 84.5

02:16:18

Batch Size 数据为 16 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 88.5

12:54:38
2019-11-05

Batch Size 数据为 16 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 64.5

22:46:39

Batch Size 数据为 32 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 69.9

21:41:23

Batch Size 数据为 32 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 63.8

16:18:31

Batch Size 数据为 1 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 21.4

13:01:54

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 47.4

11:41:07