通过PyTorch进行CNN的神经网络构筑,图像分类

Batch大小为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为70.93。

得分记录
2019-11-30

Batch Size 数据为 256 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 60.02 。

01:12:43

Batch Size 数据为 256 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 70.93 。

17:34:29
2019-11-29

Batch Size 数据为 256 ,Epoch循环次数为 5000 次, 通过在线上环境完成训练,模型最优精度评分为 68.01 。

13:09:01

Batch Size 数据为 256 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 67.12 。

07:14:13

Batch Size 数据为 256 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 68.92 。

05:36:46
2019-11-29

Batch Size 数据为 128 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 61.51 。

01:57:53

Batch Size 数据为 128 ,Epoch循环次数为 2000 次, 通过在线上环境完成训练,模型最优精度评分为 53.58 。

22:05:27

Batch Size 数据为 64 ,Epoch循环次数为 1000 次, 通过在线上环境完成训练,模型最优精度评分为 48.21 。

14:32:10
2019-11-28

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 45.38 。

04:04:18