该博客详细记录了使用PyTorch实现DNN对鸢尾花数据集进行分类的过程。通过调整Batch Size和Epoch循环次数，博主展示了不同参数组合下模型的训练效果，最终得分最高可达100%。实验结果揭示了批处理大小和迭代次数对模型性能的影响。
2019-04-29
Batch Size 数据为 60 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 9015:03:46
Batch Size 数据为 60 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 93.3315:01:07
Batch Size 数据为 60 ，Epoch循环次数为 60 次，损失函数优化完，最终完成评分为 96.6712:54:26
Batch Size 数据为 60 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 96.6712:51:48
Batch Size 数据为 30 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 93.3312:49:18
Batch Size 数据为 120 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 93.3312:47:56
Batch Size 数据为 60 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 93.3312:45:30
Batch Size 数据为 60 ，Epoch循环次数为 50 次，损失函数优化完，最终完成评分为 93.3312:43:46
Batch Size 数据为 60 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 96.6712:41:27
Batch Size 数据为 60 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 96.6712:39:11
Batch Size 数据为 60 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 10012:32:11
Batch Size 数据为 60 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 93.3312:28:49
Batch Size 数据为 120 ，Epoch循环次数为 100 次，损失函数优化完，最终完成评分为 93.3312:27:01
Batch Size 数据为 120 ，Epoch循环次数为 500 次，损失函数优化完，最终完成评分为 93.3311:30:30
Batch Size 数据为 120 ，Epoch循环次数为 1000 次，损失函数优化完，最终完成评分为 96.6711:07:11
Batch Size 数据为 120 ，Epoch循环次数为 1000 次，损失函数优化完，最终完成评分为 96.6710:29:02
Batch Size 数据为 1 ，Epoch循环次数为 120 次，损失函数优化完，最终完成评分为 93.3310:24:55
Batch Size 数据为 1 ，Epoch循环次数为 120 次，损失函数优化完，最终完成评分为 93.3310:22:42
Batch Size 数据为 1 ，Epoch循环次数为 120 次，损失函数优化完，最终完成评分为 93.3310:22:00
Batch Size 数据为 120 ，Epoch循环次数为 1000 次，损失函数优化完，最终完成评分为 93.3310:20:15
扫一扫
1350
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
