基于MLP、PyTorch实现人脸关键点检测

Batch大小为130,循环次数为700次,通过在线上环境完成训练,模型最优精度评分为74.97。

得分记录
2019-04-11

Batch Size 数据为 130 ,Epoch循环次数为 600 次, 通过在线上环境完成训练,模型最优精度评分为 74.81 。

11:28:22
2019-04-09

Batch Size 数据为 130 ,Epoch循环次数为 700 次, 通过在线上环境完成训练,模型最优精度评分为 74.97 。

21:55:55
2019-04-09

Batch Size 数据为 130 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 66.76 。

07:00:11
2019-04-08

Batch Size 数据为 130 ,Epoch循环次数为 400 次, 通过在线上环境完成训练,模型最优精度评分为 63.84 。

14:20:29

Batch Size 数据为 130 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 59.82 。

14:09:11

Batch Size 数据为 130 ,Epoch循环次数为 300 次, 通过在线上环境完成训练,模型最优精度评分为 67.46 。

13:29:47

Batch Size 数据为 130 ,Epoch循环次数为 600 次, 通过在线上环境完成训练,模型最优精度评分为 61.97 。

13:04:25

Batch Size 数据为 130 ,Epoch循环次数为 400 次, 通过在线上环境完成训练,模型最优精度评分为 67.57 。

09:31:33
2019-04-06

Batch Size 数据为 150 ,Epoch循环次数为 600 次, 通过在线上环境完成训练,模型最优精度评分为 73.68 。

10:33:55
2019-04-05

Batch Size 数据为 256 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

20:36:03

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 0 。

16:04:46

Batch Size 数据为 256 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 58.65 。

11:40:58