PyTorch实现SENet,用于图像分类,预测结果为90.9%

Batch大小为128,循环次数为100次,损失函数优化完,最终完成评分为90.9。

得分记录
2019-11-14

Batch Size 数据为 128 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 90.9

21:23:53

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 73.7

11:47:14
2019-11-14

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 76.3

10:56:37
2019-11-13

Batch Size 数据为 64 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 84

21:32:35

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 65.4

16:19:42
2019-11-13

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 50.4

04:05:57

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 72.4

16:49:25
2019-11-12

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 68

12:41:52
2019-11-10

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 82.1

00:59:14
2019-11-08

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 83.7

21:48:41

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 74.8

15:43:16

Batch Size 数据为 32 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 77.9

21:53:18
2019-11-07

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

07:35:14

Batch Size 数据为 32 ,Epoch循环次数为 64 次,损失函数优化完,最终完成评分为 61.4

21:14:25