PyTorch实现SENet,用于图像分类,预测结果为96.1%

Batch大小为32,循环次数为10次,损失函数优化完,最终完成评分为96.1。

得分记录
2019-11-15

Batch Size 数据为 32 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 96

02:17:46

Batch Size 数据为 32 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 95.7

17:22:37
2019-11-14

Batch Size 数据为 32 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 96.1

13:23:18
2019-11-12

Batch Size 数据为 32 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 94.1

13:00:46

Batch Size 数据为 32 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 94.2

18:55:28

Batch Size 数据为 32 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 94.5

10:51:29

Batch Size 数据为 32 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 93.6

13:14:37
2019-11-09

Batch Size 数据为 32 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 94.5

05:47:50
2019-11-07

Batch Size 数据为 32 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 95.9

14:50:13
2019-11-06

Batch Size 数据为 32 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 95.3

11:56:22

Batch Size 数据为 32 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 92

08:01:30

Batch Size 数据为 32 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 95.9

21:20:26

Batch Size 数据为 64 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 95.3

15:44:26
2019-11-05

Batch Size 数据为 32 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 95.7

11:30:13

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 94.8

06:41:52
2019-11-05

Batch Size 数据为 64 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 95.5

00:39:09
2019-11-04

Batch Size 数据为 64 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 90.8

10:48:42

Batch Size 数据为 64 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 92

03:36:21

Batch Size 数据为 64 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 91

20:38:55
2019-11-03

Batch Size 数据为 64 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 90.9

07:46:20

Batch Size 数据为 64 ,Epoch循环次数为 28 次,损失函数优化完,最终完成评分为 90.4

22:18:14

Batch Size 数据为 64 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 87

16:39:18
2019-11-02

Batch Size 数据为 64 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 86.2

08:43:27

Batch Size 数据为 64 ,Epoch循环次数为 5 次,损失函数优化完,最终完成评分为 78.3

02:58:44

Batch Size 数据为 64 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 78.9

20:27:56

Batch Size 数据为 64 ,Epoch循环次数为 32 次,损失函数优化完,最终完成评分为 71.8

16:25:43