PyTorch下用SENet进行图像分类

Batch大小为32,循环次数为3000次,损失函数优化完,最终完成评分为96.2。

得分记录
2019-12-02

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.4

12:45:07

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.2

12:10:57

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.9

12:09:02

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98

12:01:12

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.5

11:54:42

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.1

11:54:15

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.5

03:05:57
2019-12-01

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.4

23:27:18

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.1

20:16:30

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98

15:47:23

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.1

12:13:16
2019-12-01

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.2

05:20:26

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.1

01:41:08

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.7

22:33:40

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.6

18:29:04

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98

13:56:22
2019-11-30

Batch Size 数据为 36 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97

09:28:33

Batch Size 数据为 32 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.6

02:42:03

Batch Size 数据为 12 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.9

22:37:33

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.6

15:24:13

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.6

11:43:41

Batch Size 数据为 24 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 97.8

08:28:36
2019-11-29

Batch Size 数据为 24 ,Epoch循环次数为 50 次,损失函数优化完,最终完成评分为 97.6

02:22:25

Batch Size 数据为 24 ,Epoch循环次数为 40 次,损失函数优化完,最终完成评分为 98

21:15:37

Batch Size 数据为 24 ,Epoch循环次数为 40 次,损失函数优化完,最终完成评分为 96.7

16:57:09

Batch Size 数据为 24 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 97.8

16:25:54

Batch Size 数据为 24 ,Epoch循环次数为 40 次,损失函数优化完,最终完成评分为 97.7

11:06:22
2019-11-28

Batch Size 数据为 24 ,Epoch循环次数为 40 次,损失函数优化完,最终完成评分为 98

07:15:21

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.2

02:06:01

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98

17:29:40

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 96.9

17:16:21
2019-11-27

Batch Size 数据为 24 ,Epoch循环次数为 15 次,损失函数优化完,最终完成评分为 94.6

13:49:19
2019-11-26

Batch Size 数据为 24 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98

19:31:06

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98.2

15:20:27
2019-11-25

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98

23:54:57

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.7

20:07:58

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 96.5

15:42:59

Batch Size 数据为 24 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 98

12:27:00
2019-11-25

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.3

10:31:54

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.6

09:56:08
2019-11-24

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 96.7

17:13:25
2019-11-24

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 97.2

03:38:34

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 96.2

03:02:30

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 96.4

01:53:57
2019-11-23

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 96.9

11:45:18

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 95.8

11:10:10
2019-11-22

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 96.1

23:31:00

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 95.7

18:17:59

Batch Size 数据为 64 ,Epoch循环次数为 35 次,损失函数优化完,最终完成评分为 95

16:10:48
2019-11-22

Batch Size 数据为 32 ,Epoch循环次数为 20 次,损失函数优化完,最终完成评分为 11.6

04:17:05

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 11.6

22:57:19

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 10.3

17:35:41
2019-11-20

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 14.2

18:10:57

Batch Size 数据为 64 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 62.9

17:18:40

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 12.9

16:56:53

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 12.6

16:17:50

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96

13:38:16

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96.4

11:52:36
2019-11-19

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 97

20:22:30

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 92.8

18:54:24

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 96.3

16:15:32

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 84

15:11:38
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 96.4

17:09:45

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 95.1

16:14:00

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 96.3

15:39:21

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 96.1

14:58:50

Batch Size 数据为 1 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 12.7

13:51:27
2019-11-16

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 94.6

11:58:31

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 93.8

10:09:47

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 93.5

07:30:52

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 96.2

02:05:47

Batch Size 数据为 1 ,Epoch循环次数为 1 次,损失函数优化完,最终完成评分为 10.7

22:45:38
2019-11-14

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 62.3

17:31:21