PyTorch基于SENet的预测实例:图像分类

Batch大小为50,循环次数为300次,损失函数优化完,最终完成评分为98。

得分记录
2019-11-30

Batch Size 数据为 100 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 96.3

02:35:10
2019-11-27

Batch Size 数据为 100 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 98

03:29:12
2019-11-25

Batch Size 数据为 100 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 96

10:28:30
2019-11-23

Batch Size 数据为 128 ,Epoch循环次数为 800 次,损失函数优化完,最终完成评分为 98.1

20:55:07
2019-11-23

Batch Size 数据为 20 ,Epoch循环次数为 800 次,损失函数优化完,最终完成评分为 98.1

00:12:03

Batch Size 数据为 100 ,Epoch循环次数为 800 次,损失函数优化完,最终完成评分为 98.5

12:55:10
2019-11-21

Batch Size 数据为 100 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 97.8

15:47:18
2019-11-19

Batch Size 数据为 64 ,Epoch循环次数为 320 次,损失函数优化完,最终完成评分为 98.1

01:16:35
2019-11-18

Batch Size 数据为 1 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 31.6

03:06:22

Batch Size 数据为 80 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 98.3

20:24:10
2019-11-17

Batch Size 数据为 20 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 97.8

03:55:16
2019-11-16

Batch Size 数据为 20 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 96.3

13:38:22

Batch Size 数据为 20 ,Epoch循环次数为 30 次,损失函数优化完,最终完成评分为 96.7

10:11:31
2019-11-14

Batch Size 数据为 50 ,Epoch循环次数为 300 次,损失函数优化完,最终完成评分为 98

19:35:15