如何优雅的使用SENet、PyTorch实现图像分类任务,准确率97.1%

Batch大小为24,循环次数为3000次,损失函数优化完,最终完成评分为97.1。

得分记录
2019-12-02

Batch Size 数据为 16 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 97.5

04:13:57

Batch Size 数据为 16 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 98.2

21:51:31

Batch Size 数据为 16 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97

18:38:13

Batch Size 数据为 16 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96.7

16:11:43

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.9

13:46:00

Batch Size 数据为 16 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 98.2

11:48:47
2019-12-01

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.3

05:49:47

Batch Size 数据为 16 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 98

02:58:14

Batch Size 数据为 16 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 98

23:58:58
2019-11-29

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.5

22:49:00

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.7

17:33:42

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.8

12:44:22

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 98.1

09:43:15
2019-11-29

Batch Size 数据为 28 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 97.8

07:06:02

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.5

02:34:56

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 98

16:50:32
2019-11-27

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.4

18:23:44

Batch Size 数据为 28 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 98

18:03:26

Batch Size 数据为 24 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.1

15:15:59
2019-11-26

Batch Size 数据为 24 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.6

17:50:32

Batch Size 数据为 32 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.9

15:10:56

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 85.7

12:40:57
2019-11-25

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.3

23:30:26

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.6

20:05:28

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.2

15:46:02

Batch Size 数据为 60 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.7

13:20:04
2019-11-25

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97

11:11:41

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.7

01:38:19
2019-11-24

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.3

23:04:46
2019-11-20

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96.9

12:11:02
2019-11-20

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.5

00:37:34

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.3

19:21:49

Batch Size 数据为 56 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.2

16:38:19
2019-11-19

Batch Size 数据为 32 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 96.8

11:32:22
2019-11-18

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96.6

17:54:24

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96.9

15:02:04
2019-11-14

Batch Size 数据为 24 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97.1

13:30:37
2019-11-13

Batch Size 数据为 24 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96.7

22:21:38

Batch Size 数据为 24 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97

15:28:28
2019-11-13

Batch Size 数据为 24 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 96.2

06:51:16

Batch Size 数据为 24 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96.2

01:01:43

Batch Size 数据为 30 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 95.9

19:13:54