Neural-Network-Repository

1.vgg16 mencapai max validation accuracy (90.56%) dan min training loss (0.13598202813416718) dengan transformasi training loader (random horizontal flip, resize(96), normalization) dan dengan optimizer SGD(lr=0.001, momentum=0.8, weight decay 0.04) 2.Resnet18 menghasilkan train loss (0.0799) ,validation accuracy(92,16%), dan test accuracy (91,..%) lebih baik dari resnet50 dalam 20 epoch. Resnet50 tanpa weight decay dan scheduler menghasilkan trainloss 0.5..., tetapi dengan momentum=0.8, weight_decay=0.003,dan scheduler step size=10, bisa menghasilkan trainloss 0.20940907218456267, validation accuracy 89.05%, rata2 test accuracy 88.33250000000001% dalam 20 epoch. Untuk Resnet101 baru ditrained sebanyak 10 epoch dengan best validation accuracy 82.07%, dan best train loss 0.47712267370224. 3.MLP dengan 1 hidden layer 100 nodes menghasilkan best val acc: 88.57, best train loss: 0.18204175098484382, dan rata2 test acc: 87.14%. Dengan drop out dan scheduler 5 steps menghasilkan best val acc: 88.44, best train loss: 0.24687184141762555, tetapi dengan rata2 test accuracy 87.35%.