Kaggle Kannada MNIST第三解决方案
kaggle kannada MNIST运动场挑战赛的第三个解决方案代码。 我用它来熟悉kaggle的比赛。 仅使用了最基本的模型和技巧。
最终版本设置
在喀拉拉邦使用8conv + 2线性基线模型。
在keras版本代码中使用优化程序的超参数。
TTA不得在最终版本中使用
pesudo标签用于最终
使用包含5个模型的平均投票模型嵌入
标签平滑,焦点丢失等未使用10多个技巧(不是结束代码或无用)
使用5折简历选择模型,使用所有数据进行训练
为什么有pytorch版本和keras版本
时间线
我对pytorch较为熟悉,我一开始就为这场比赛编写了一个框架。
我尝试在pytorch中重现一些keras样本基线的准确性,但是失败了,最终的差距仍然为0.2%〜0.3%,这在这场比赛中是一个很大的差异。
时间是有限的。 因此,我尝试直