基于PyTorch+CNN的图像

Batch大小为64,循环次数为2000次,损失函数优化完,最终完成评分为99.64。

得分记录
2019-04-12

Batch Size 数据为 128 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 99.57

14:52:53

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 99.64

11:57:55

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 99.64

08:09:48
2019-04-11

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 99.64

10:25:32
2019-04-10

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 98.56

02:43:15

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 25.23

01:52:44

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 12.22

23:32:36
2019-04-09

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 16.03

08:25:17
2019-04-06

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 98.99

07:51:18

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 99.21

18:14:12
2019-04-05

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 99.42

13:01:13

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 99.57

09:03:57

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 99.57

08:16:30

Batch Size 数据为 512 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 99.21

07:50:22

Batch Size 数据为 128 ,Epoch循环次数为 1500 次,损失函数优化完,最终完成评分为 99.5

07:13:09

Batch Size 数据为 128 ,Epoch循环次数为 700 次,损失函数优化完,最终完成评分为 98.99

05:06:11

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 99.35

04:42:55
2019-04-05

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 99.21

03:09:56

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 98.92

01:36:56

Batch Size 数据为 128 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 98.71

00:21:00

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 99.35

23:16:06