Keras下用CNN进行图像分类

Batch大小为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为9.70。

得分记录
2019-12-12

Batch Size 数据为 128 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 5.86 。

12:53:11

Batch Size 数据为 64 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 9.7 。

10:50:10

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 4.29 。

07:19:36

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 4.35 。

06:04:42

Batch Size 数据为 64 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 4.26 。

05:04:42

Batch Size 数据为 64 ,Epoch循环次数为 3000 次, 通过在线上环境完成训练,模型最优精度评分为 4.99 。

03:35:48

Batch Size 数据为 64 ,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 4.8 。

01:59:25
2019-12-12

Batch Size 数据为 64 ,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 5.7 。

00:44:42

Batch Size 数据为 64 ,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 5.57 。

22:42:04