基于ResNet、MXNet实现图像分类

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95.6。

得分记录
2019-11-28

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 97.5

08:53:44
2019-11-27

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 89.4

02:09:48
2019-11-26

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 97.3

15:37:41
2019-11-25

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 97.6

06:12:45

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 97.9

01:24:52
2019-11-24

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 97.3

08:27:38

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 97.8

03:20:43

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 98.2

17:31:23
2019-11-23

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 97.8

06:20:36
2019-11-20

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 96.7

19:56:11
2019-11-19

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 95.5

17:34:40

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 97.5

06:36:44
2019-11-17

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 97.2

17:50:38

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 96.2

06:34:59
2019-11-17

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

04:42:06
2019-11-16

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 93.6

03:29:30

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 94.5

20:21:53

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 95.6

13:07:26
2019-11-15

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 39.1

09:04:59