一般就是多种不同模型+迁移学习+一大堆正则化方式+各种数据增广+简单的TTA这个步骤
模型包括resnet模型及其变种等，优化算法一般用Adam和SGD，学习率就主要是用Cosine余弦退火函数；数据增广常用的有翻转、平移、修改色调、图片重叠等
提升精度思路:根据数据挑选增强，使用新模型、新优化算法，多个模型融合，测试时使用增强
数据相对简单，排名有相对随机性在工业界应用中:
·少使用模型融合和测试时增强，计算代价过高·通常固定模型超参数，
而将精力主要花在提升数据质量
标签：增强,增广,调参,模型,学习,算法,数据,深度,小结 来源： https://www.cnblogs.com/zhaoyids/p/15853754.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。