使用PyTorch构建SENet进行图像分类,准确率74.84%

Batch大小为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为74.84。

得分记录
2019-12-05

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 74.01 。

12:27:29
2019-12-02

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 74.84 。

01:48:23

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 4.45 。

21:58:57

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 72.6 。

18:33:21

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 74.14 。

14:23:56
2019-12-01

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 33.03 。

02:55:38

Batch Size 数据为 64 ,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 45.65 。

16:45:39
2019-11-29

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 44.46 。

02:53:25

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 29.64 。

19:56:39
2019-11-28

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 30.79 。

03:14:41

Batch Size 数据为 16 ,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 18.44 。

21:47:27

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 1.76 。

16:25:50
2019-11-25

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 2.53 。

12:03:48
2019-11-23

Batch Size 数据为 64 ,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 14.82 。

14:34:26

Batch Size 数据为 16 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 29.61 。

04:50:56
2019-11-22

Batch Size 数据为 64 ,Epoch循环次数为 30 次, 通过在线上环境完成训练,模型最优精度评分为 29.93 。

22:00:04