使用PyTorch和SENet的图像分类,最终结果77.75%

Batch大小为32,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为77.75。

得分记录
2019-11-26

Batch Size 数据为 2 ,Epoch循环次数为 10 次, 通过在线上环境完成训练,模型最优精度评分为 60.31 。

20:41:55

Batch Size 数据为 32 ,Epoch循环次数为 24 次, 通过在线上环境完成训练,模型最优精度评分为 73.21 。

04:31:02
2019-11-25

Batch Size 数据为 32 ,Epoch循环次数为 60 次, 通过在线上环境完成训练,模型最优精度评分为 77.75 。

18:44:49

Batch Size 数据为 32 ,Epoch循环次数为 50 次, 通过在线上环境完成训练,模型最优精度评分为 56.05 。

09:18:13
2019-11-25

Batch Size 数据为 32 ,Epoch循环次数为 12 次, 通过在线上环境完成训练,模型最优精度评分为 76.57 。

00:24:07

Batch Size 数据为 32 ,Epoch循环次数为 1 次, 通过在线上环境完成训练,模型最优精度评分为 62.52 。

21:09:14
2019-11-24

Batch Size 数据为 64 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 44.97 。

10:35:13

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 37.61 。

01:13:43
2019-11-23

Batch Size 数据为 32 ,Epoch循环次数为 12 次, 通过在线上环境完成训练,模型最优精度评分为 29 。

12:06:45