如何优雅的使用SENet、PyTorch实现图像分类任务,准确率92.33%

Batch大小为22,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92.33。

得分记录
2020-01-18

Batch Size 数据为 22 ,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 91.33 。

15:35:41
2020-01-17

Batch Size 数据为 25 ,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 91.6 。

13:24:47

Batch Size 数据为 25 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 90.73 。

11:13:58
2020-01-16

Batch Size 数据为 16 ,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 91.6 。

14:01:55
2020-01-15

Batch Size 数据为 22 ,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 90.93 。

22:25:44

Batch Size 数据为 22 ,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 92.2 。

20:31:44
2020-01-12

Batch Size 数据为 22 ,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 91.47 。

18:01:05
2020-01-11

Batch Size 数据为 22 ,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 91.73 。

16:52:17

Batch Size 数据为 22 ,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 91.53 。

13:32:20
2020-01-10

Batch Size 数据为 22 ,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 90.73 。

20:53:08

Batch Size 数据为 22 ,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 91.4 。

18:59:34

Batch Size 数据为 23 ,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 91.47 。

15:25:28
2020-01-08

Batch Size 数据为 22 ,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 91.4 。

23:44:33

Batch Size 数据为 22 ,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 91.27 。

21:37:42
2020-01-07

Batch Size 数据为 22 ,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 90.33 。

19:33:33
2020-01-07

Batch Size 数据为 22 ,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 91.6 。

01:10:46
2020-01-03

Batch Size 数据为 22 ,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 91.13 。

20:29:32
2019-12-30

Batch Size 数据为 22 ,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 89.53 。

14:05:46
2019-12-29

Batch Size 数据为 22 ,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 91.8 。

07:33:43

Batch Size 数据为 22 ,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 90.27 。

13:49:02
2019-12-27

Batch Size 数据为 22 ,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 91.33 。

17:31:54

Batch Size 数据为 22 ,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 91.27 。

15:00:40

Batch Size 数据为 22 ,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 91.6 。

12:30:01
2019-12-27

Batch Size 数据为 25 ,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 90.53 。

06:39:24

Batch Size 数据为 23 ,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 90.87 。

03:21:56

Batch Size 数据为 22 ,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 92.33 。

00:27:46

Batch Size 数据为 22 ,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 90.93 。

20:35:01

Batch Size 数据为 22 ,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 91.93 。

18:42:32

Batch Size 数据为 22 ,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 91.27 。

16:59:35

Batch Size 数据为 22 ,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 91 。

15:11:20
2019-12-26

Batch Size 数据为 22 ,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 91.53 。

12:13:22
2019-12-25

Batch Size 数据为 22 ,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 90.53 。

16:51:09

Batch Size 数据为 22 ,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 90.6 。

12:44:45
2019-12-24

Batch Size 数据为 22 ,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 90 。

16:44:25
2019-12-23

Batch Size 数据为 22 ,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 90.47 。

20:42:11

Batch Size 数据为 21 ,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 91 。

15:52:56

Batch Size 数据为 20 ,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 89.87 。

12:17:07
2019-12-23

Batch Size 数据为 10 ,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 88.73 。

05:38:41

Batch Size 数据为 10 ,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 88.67 。

02:20:10

Batch Size 数据为 20 ,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 89.2 。

18:33:30
2019-12-22

Batch Size 数据为 20 ,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 87.07 。

14:54:15
2019-12-21

Batch Size 数据为 20 ,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 85.87 。

22:14:37

Batch Size 数据为 20 ,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 87.2 。

14:48:43

Batch Size 数据为 20 ,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 87.53 。

13:12:15
2019-12-21

Batch Size 数据为 32 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 86.67 。

00:24:10

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 85.4 。

22:54:04

Batch Size 数据为 32 ,Epoch循环次数为 5 次, 通过在线上环境完成训练,模型最优精度评分为 86.8 。

15:57:54