使用PyTorch和SEnet的图像分类,最终结果96.9%

Batch大小为1,循环次数为3000次,损失函数优化完,最终完成评分为96.9。

得分记录
2019-12-02

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98.3

20:41:27

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98

18:00:21

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98.3

13:46:38

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98.3

10:27:41

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 97.8

07:47:32

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98.1

05:15:33

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

02:46:57

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98.4

22:39:45

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 97.9

17:30:51
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 97.9

15:09:03

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98.3

14:43:28

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

11:52:35

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

10:14:30

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 97.9

09:48:07
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 97.9

05:11:00

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

03:25:27

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

02:36:50

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

00:55:13

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

23:33:00

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

21:47:26

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

19:08:04

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 97.4

16:53:28

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

13:07:10
2019-11-29

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

23:06:09

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 97.7

18:57:49

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

13:32:42

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 96.6

11:39:34

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 98

10:17:08

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

09:34:36

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

08:55:51

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

08:28:23

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 98.1

07:49:29
2019-11-29

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

06:34:15

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 98.3

02:39:22

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

22:30:17

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 97.7

19:28:25

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 97.6

16:49:58
2019-11-28

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

14:36:08

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

12:44:02

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 97

10:53:38

Batch Size 数据为 64 ,Epoch循环次数为 45 次,损失函数优化完,最终完成评分为 97.9

09:37:29

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

07:41:13

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 97.4

03:51:31

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 97.7

23:54:40

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 97.6

18:25:04

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 97.5

16:34:35
2019-11-27

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 97.5

15:38:30

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 97.7

14:16:37
2019-11-26

Batch Size 数据为 64 ,Epoch循环次数为 55 次,损失函数优化完,最终完成评分为 98.1

16:18:58

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 96.6

14:49:06

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

13:34:04

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 97.7

13:05:41

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 96.6

12:09:30

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 97.5

11:10:11
2019-11-26

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

02:15:06

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

23:55:56

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

21:15:44

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 98.3

19:10:18
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 97.1

13:38:44

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

11:14:46

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 97.5

10:42:36

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 97.1

10:07:52
2019-11-24

Batch Size 数据为 64 ,Epoch循环次数为 45 次,损失函数优化完,最终完成评分为 97.3

21:14:13

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

19:03:59

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 96.6

18:28:25

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

17:04:48
2019-11-24

Batch Size 数据为 64 ,Epoch循环次数为 40 次,损失函数优化完,最终完成评分为 96.3

01:51:23
2019-11-23

Batch Size 数据为 64 ,Epoch循环次数为 40 次,损失函数优化完,最终完成评分为 96.6

11:31:24
2019-11-22

Batch Size 数据为 64 ,Epoch循环次数为 40 次,损失函数优化完,最终完成评分为 94.5

22:49:37

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 96.6

17:05:07
2019-11-20

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 85.5

11:09:21

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 96.2

10:22:01
2019-11-19

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 96.6

23:43:54

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 96.9

19:36:42

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 96.6

18:15:31

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 96.3

16:31:54

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 96.9

15:33:13
2019-11-19

Batch Size 数据为 1 ,Epoch循环次数为 2500 次,损失函数优化完,最终完成评分为 96.2

11:08:26

Batch Size 数据为 1 ,Epoch循环次数为 3500 次,损失函数优化完,最终完成评分为 96.3

10:01:49
2019-11-18

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 96.8

17:02:47

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 96.1

16:11:56

Batch Size 数据为 1 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 95.8

15:14:35

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 97.4

13:04:14
2019-11-16

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 96.9

03:04:51
2019-11-05

Batch Size 数据为 1 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 95.6

19:48:46
2019-11-04

Batch Size 数据为 256 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 95.6

15:18:47