前言
由于马上要开题了,对于本赛题也没啥创新的思路,遂总结结束。
最初的想法便是通过比赛来进行PyTorch的学习,只是一旦加入正在进行的赛题,就会情不自禁的陷入调参的循环,反而浪费体力,不能深入基础。遂此后还应牢记初衷。
实验设备为1个1080Ti。如下是EDA的一些图表:
![DF“观云识天”-机器图像算法赛道-天气识别A总结_第1张图片](http://img.e-com-net.com/image/info8/1103197a5474460aa6d5fda417a4adc8.jpg)
![DF“观云识天”-机器图像算法赛道-天气识别A总结_第2张图片](http://img.e-com-net.com/image/info8/fa29755aa93140689eed81c845266720.jpg)
实验概述
训练所用方法:
- 数据增强(放缩、随机大小裁剪、翻转),Auto_augment,随机擦除(RandomErasing)
- 学习率:RAdam,Lookahead
- 半精度训练(APEX)
- Random Image Cropping And Patching(RICAP)
- 模型:EfficientB3、Densenet121、xception等
测试:
其他:
- 数据分析(EDA,不平衡过采样)
- 训练日志记录(tensorboardX)
- ReduceLROnPlateau
- 集成方案:按类别和按输出概率
结果
线上单模型F1 0.845-0.860左右,集成0.865左右。
线下训练集:验证集=9:1,验证集0.85左右。
Github地址(PyTorch)