这不仅仅是一个使用PyTorch和MLP来做人脸关键点检测的教程

Batch大小为128,循环次数为3000次,损失函数优化完,最终完成评分为85.9。

得分记录
2019-04-25

Batch Size 数据为 512 ,Epoch循环次数为 10000 次,损失函数优化完,最终完成评分为 61.91

09:30:14
2019-04-24

Batch Size 数据为 256 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 64.47

15:20:22

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 69.75

03:34:32
2019-04-18

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 69.7

12:40:12

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 72.49

12:12:01

Batch Size 数据为 128 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 71.57

10:25:59
2019-04-17

Batch Size 数据为 128 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 85.9

02:18:36
2019-04-12

Batch Size 数据为 64 ,Epoch循环次数为 10000 次,损失函数优化完,最终完成评分为 61.95

23:03:41

Batch Size 数据为 64 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 74.94

18:03:16

Batch Size 数据为 64 ,Epoch循环次数为 8000 次,损失函数优化完,最终完成评分为 59.37

12:11:21
2019-04-12

Batch Size 数据为 64 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 70.39

00:23:08

Batch Size 数据为 64 ,Epoch循环次数为 6000 次,损失函数优化完,最终完成评分为 71.43

17:59:06
2019-04-10

Batch Size 数据为 64 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 64.04

23:31:48

Batch Size 数据为 64 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 73.94

16:57:19

Batch Size 数据为 128 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 4.12

13:23:36

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 70.8

10:27:16

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 58.44

09:39:16

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 14.91

08:53:32

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 59.17

08:13:10

Batch Size 数据为 64 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 78.72

07:30:26

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 59.66

05:58:20

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 60.09

05:03:29

Batch Size 数据为 64 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 61.53

03:40:18

Batch Size 数据为 64 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 65.66

02:08:57
2019-04-09

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 65.52

23:46:16

Batch Size 数据为 64 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 60.44

21:57:20

Batch Size 数据为 64 ,Epoch循环次数为 500 次,损失函数优化完,最终完成评分为 70.17

19:10:31
2019-04-08

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 65.57

16:38:33

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 65.05

15:18:51
2019-04-07

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 65.41

22:42:16

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 59.58

21:51:12

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 53.43

21:02:20

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 58.6

20:20:50

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 67.01

18:28:25
2019-04-07

Batch Size 数据为 128 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 61.7

13:40:14

Batch Size 数据为 128 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 56.35

09:01:39

Batch Size 数据为 128 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 55.7

07:24:44

Batch Size 数据为 64 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 58.4

06:05:57

Batch Size 数据为 64 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 51.89

05:17:46

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 67.34

17:04:02

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 49.19

16:25:12

Batch Size 数据为 64 ,Epoch循环次数为 4000 次,损失函数优化完,最终完成评分为 64.84

15:55:51

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 54.39

14:19:03
2019-04-06

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 56.54

13:03:35

Batch Size 数据为 64 ,Epoch循环次数为 2000 次,损失函数优化完,最终完成评分为 75.05

11:36:33

Batch Size 数据为 64 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 53.34

08:39:56

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 49.76

04:12:33
2019-04-06

Batch Size 数据为 64 ,Epoch循环次数为 5000 次,损失函数优化完,最终完成评分为 22.48

02:46:19

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 16.27

01:06:18

Batch Size 数据为 64 ,Epoch循环次数为 3000 次,损失函数优化完,最终完成评分为 62.25

00:11:55

Batch Size 数据为 128 ,Epoch循环次数为 1000 次,损失函数优化完,最终完成评分为 56.46

17:15:51