基于TensorFlow+MLP的人脸关键点检测

Batch大小为32,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79.69。

得分记录
2019-04-23

Batch Size 数据为 16 ,Epoch循环次数为 9 次, 通过在线上环境完成训练,模型最优精度评分为 70.18 。

10:03:15
2019-04-22

Batch Size 数据为 16 ,Epoch循环次数为 9 次, 通过在线上环境完成训练,模型最优精度评分为 72.78 。

20:23:42

Batch Size 数据为 32 ,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 64.21 。

17:25:31

Batch Size 数据为 128 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 72.53 。

15:11:06

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 67.42 。

12:32:39
2019-04-22

Batch Size 数据为 128 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 60.58 。

10:33:57

Batch Size 数据为 32 ,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 65.44 。

09:58:38
2019-04-21

Batch Size 数据为 128 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 66.51 。

13:15:13

Batch Size 数据为 32 ,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 62.54 。

12:16:17

Batch Size 数据为 16 ,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 60.33 。

11:24:42

Batch Size 数据为 32 ,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 71.03 。

10:21:47

Batch Size 数据为 32 ,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 62.34 。

09:49:31
2019-04-21

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 77.17 。

00:39:21

Batch Size 数据为 32 ,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 73.53 。

21:21:45

Batch Size 数据为 32 ,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 59.11 。

18:06:39
2019-04-18

Batch Size 数据为 32 ,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 65.23 。

14:39:06
2019-04-17

Batch Size 数据为 32 ,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 78.81 。

19:56:50

Batch Size 数据为 32 ,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 69.89 。

14:31:22

Batch Size 数据为 32 ,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 63.93 。

11:30:28
2019-04-17

Batch Size 数据为 32 ,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 79.69 。

00:30:25
2019-04-16

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 64.27 。

00:50:26

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 66.93 。

18:18:39
2019-04-13

Batch Size 数据为 32 ,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 64.13 。

01:52:34

Batch Size 数据为 1000 ,Epoch循环次数为 128 次, 通过在线上环境完成训练,模型最优精度评分为 74.9 。

18:09:41

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 71.71 。

14:53:11
2019-04-11

Batch Size 数据为 32 ,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 73.08 。

16:34:47

Batch Size 数据为 32 ,Epoch循环次数为 800 次, 通过在线上环境完成训练,模型最优精度评分为 69.75 。

07:17:13
2019-04-10

Batch Size 数据为 32 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 72.04 。

18:09:29

Batch Size 数据为 32 ,Epoch循环次数为 800 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

14:10:06

Batch Size 数据为 32 ,Epoch循环次数为 100 次, 通过在线上环境完成训练,模型最优精度评分为 0 。

11:07:38
2019-04-08

Batch Size 数据为 256 ,Epoch循环次数为 400 次, 通过在线上环境完成训练,模型最优精度评分为 54.64 。

19:03:13

Batch Size 数据为 128 ,Epoch循环次数为 800 次, 通过在线上环境完成训练,模型最优精度评分为 64.54 。

18:16:04
2019-04-07

Batch Size 数据为 64 ,Epoch循环次数为 1500 次, 通过在线上环境完成训练,模型最优精度评分为 66.23 。

00:43:44

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 70.12 。

18:23:31

Batch Size 数据为 128 ,Epoch循环次数为 800 次, 通过在线上环境完成训练,模型最优精度评分为 75.22 。

12:35:47
2019-04-05

Batch Size 数据为 128 ,Epoch循环次数为 200 次, 通过在线上环境完成训练,模型最优精度评分为 56.59 。

23:33:54