如何优雅的使用DenseNet121、PyTorch实现图像分类任务,准确率84.72%

Batch大小为1024,循环次数为3000次,损失函数优化完,最终完成评分为84.72。

得分记录
2019-04-12

Batch Size 数据为 1024 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 84.72

16:10:53

Batch Size 数据为 1024 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 82.07

13:40:48

Batch Size 数据为 1024 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 80.94

07:12:13

Batch Size 数据为 256 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 84.1

20:40:34

Batch Size 数据为 256 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 82.25

12:03:30

Batch Size 数据为 256 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 78.44

06:42:46

Batch Size 数据为 256 ,Epoch循环次数为 10 次,损失函数优化完,最终完成评分为 17.46

05:52:02

Batch Size 数据为 256 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 79.58

05:17:51

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 77.12

04:44:10

Batch Size 数据为 64 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 74.97

03:16:43
2019-04-10

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 68.54

02:17:14
2019-04-07

Batch Size 数据为 64 ,Epoch循环次数为 8000 次,损失函数优化完,最终完成评分为 6.18

02:44:53

Batch Size 数据为 64 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 5.69

22:10:14

Batch Size 数据为 64 ,Epoch循环次数为 200 次,损失函数优化完,最终完成评分为 5.22

21:44:13

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 4.95

21:28:02
2019-04-03

Batch Size 数据为 64 ,Epoch循环次数为 3900 次,损失函数优化完,最终完成评分为 3.51

22:29:40
2019-04-02

Batch Size 数据为 64 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 3.31

18:00:11
2019-04-02

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 1.38

01:14:36
2019-03-29

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 79.35

23:47:56