PyTorch下用SENet进行图像分类

Batch大小为64,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为86.08。

得分记录
2019-12-16

Batch Size 数据为 8 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 85.66 。

18:28:40

Batch Size 数据为 8 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 85.95 。

13:34:16
2019-12-15

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 85.98 。

20:04:42

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 85.85 。

14:49:46

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 85.88 。

03:23:30

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 86.08 。

02:19:14

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 85.72 。

02:05:12
2019-12-14

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 85.47 。

20:35:00

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 85.66 。

14:24:58
2019-12-13

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 84.6 。

23:39:14

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 82.84 。

17:04:38

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 83.51 。

16:40:59

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 83.93 。

12:53:06

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 83.93 。

12:48:10
2019-12-12

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 80.31 。

13:42:01

Batch Size 数据为 64 ,Epoch循环次数为 25 次, 通过在线上环境完成训练,模型最优精度评分为 83.32 。

11:54:02
2019-12-12

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 83.32 。

02:13:15

Batch Size 数据为 64 ,Epoch循环次数为 20 次, 通过在线上环境完成训练,模型最优精度评分为 83.58 。

21:18:34

Batch Size 数据为 64 ,Epoch循环次数为 15 次, 通过在线上环境完成训练,模型最优精度评分为 83 。

18:35:43
2019-12-04

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 55.25 。

03:04:05

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 53.49 。

23:56:56

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 52.5 。

23:23:28

Batch Size 数据为 1 ,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 38.73 。

15:54:39