使用PyTorch和SENet的图像分类,最终结果96.8%

Batch大小为64,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96.80。

得分记录
2019-11-22

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 90.1 。

01:47:28

Batch Size 数据为 32 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 94.5 。

16:35:49
2019-11-21

Batch Size 数据为 32 ,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 95 。

13:12:24
2019-11-21

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 95 。

00:13:38
2019-11-11

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 96.5 。

12:43:03
2019-11-10

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 96.8 。

03:25:34
2019-11-08

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 13.5 。

22:17:58

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 70 。

15:24:12
2019-11-06

Batch Size 数据为 64 ,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 26.8 。

22:06:37
2019-11-06

Batch Size 数据为 64 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 66 。

04:21:37

Batch Size 数据为 64 ,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 59.4 。

22:44:26