PyTorch实现DenseNet,用于图像分类,预测结果为83.14%

Batch大小为512,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83.14。

得分记录
2019-12-13

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 21.36 。

23:03:23

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 80.04 。

17:07:22
2019-12-10

Batch Size 数据为 512 ,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 83.14 。

23:16:33

Batch Size 数据为 64 ,Epoch循环次数为 500 次, 通过在线上环境完成训练,模型最优精度评分为 78.09 。

16:24:18
2019-12-10

Batch Size 数据为 256 ,Epoch循环次数为 10000 次, 通过在线上环境完成训练,模型最优精度评分为 82 。

06:32:42

Batch Size 数据为 256 ,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 81.97 。

17:21:26

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 24.92 。

16:33:58

Batch Size 数据为 128 ,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 37.39 。

15:56:50