DF“观云识天”-机器图像算法赛道-天气识别A总结
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：
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：
- TTA
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）