从零开始的baseline学习(第三次打卡)

在从零开始的baseline学习过程中,使用飞桨套件进行计算机视觉(CV)任务时遇到了挑战。初次尝试得分仅为0.57,尝试增加训练次数以改善模型效果,但发现训练速度变得过慢。目前的问题主要在于对飞桨套件的不熟悉以及参数设置不当,导致其表现不如基础的卷积神经网络。
摘要由CSDN通过智能技术生成

从零开始的baseline学习(第三次打卡)

使用飞桨套件实现cv

在这里插入图片描述

目前最高成绩

在这里插入图片描述

对于飞桨套件的应用并不熟练,跑出来的分数还不如卷积神经网络跑出来的分数,主要是参数设置不当,使用初始的训练格式评分只有0.57,增加训练次数后跑的实在太慢了。

评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值