这不仅仅是一个使用PyTorch和DenseNet121来做图像分类的教程

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78.81。

得分记录
2019-04-15

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 69.66

00:02:51

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 71.17

19:01:40

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 78.81

17:32:15
2019-04-09

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 71.39

10:28:24

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 72.63

05:53:16
2019-04-08

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 71.09

21:47:07

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 9.96

19:03:23

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 38.2

13:36:15
2019-04-08

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 73.86

02:47:37

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 74.45

23:06:53

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 74.82

20:13:33

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 75.77

18:39:47
2019-04-07

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 73.37

17:24:50

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 40.33

16:05:20

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 76.93

15:46:06

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 40.68

14:09:27

Batch Size 数据为 128 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 16.69

13:37:26

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 17.38

13:26:51

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 9.89

13:15:45

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 16.05

11:50:24

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 6.2

11:39:23

Batch Size 数据为 128 ,Epoch循环次数为 100 次,损失函数优化完,最终完成评分为 5.05

08:30:14
2019-04-06

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 4.82

23:07:20

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 0.47

21:51:22
2019-04-06

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 8.43

11:49:11
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 7.66

10:11:51
2019-04-04

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 54.35

09:44:56