使用Keras构建CNN进行视觉计算,准确率63.38%

Batch大小为256,循环次数为1000次,损失函数优化完,最终完成评分为63.38。

得分记录
2019-04-14

Batch Size 数据为 256 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 63.38

19:56:02
2019-04-08

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 60.59

19:11:00
2019-04-07

Batch Size 数据为 32 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 5.74

15:47:35

Batch Size 数据为 32 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 0.9

15:31:25

Batch Size 数据为 32 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 0.99

15:18:16

Batch Size 数据为 32 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 0.96

15:02:25

Batch Size 数据为 128 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 0.95

14:50:48

Batch Size 数据为 128 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 5.29

14:30:11
2019-04-04

Batch Size 数据为 256 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 45.79

21:16:24

Batch Size 数据为 256 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 47.88

20:39:38

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 45.11

19:44:54

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 42.13

19:32:36

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 44.52

17:57:30

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 39.55

15:51:43
2019-04-04

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 41.74

00:37:20

Batch Size 数据为 128 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 48.91

00:26:55

Batch Size 数据为 128 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 45.19

23:57:18

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 40.37

23:36:20

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 40.48

23:24:34
2019-04-01

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 26.25

18:30:09
2019-03-29

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 0.82

22:39:41

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 0.96

16:58:06