[最高0.9853! @zzc1995,分数持续更新中] 动手玩Kaggle比赛------使用Gluon对原始图像文件分类(CIFAR-10) 讨论区


#541

然而奖励已经凉了:disappointed_relieved:


#542

大哥们,想请教一下,为什么使用书中的tiny_cifar10数据集训练
为什么train_aac,test_aac都一直在0.1附近,好像训练不动
是我复制的代码有问题?还是必须要在完整的cifar10上训练啊?
:joy:

@astonzhang


#543

要在完整的cifar10上训练


#544

我是作者,现在有了新版本,效果更好,CIFAR-100和一些精细分类上面表现更明显,过一阵子会发上来


#545

如果使用下载的Kaggle比赛的完整数据集,把demo变量改为False

demo = True
if demo:
import zipfile
for f in [‘train_tiny.zip’, ‘test_tiny.zip’, ‘trainLabels.csv.zip’]:
with zipfile.ZipFile(’…/data/kaggle_cifar10/’ + f, ‘r’) as z:
z.extractall(’…/data/kaggle_cifar10/’)

这个只能解压zip文件,可是从kaggle上下载的是7z,应该用什么python包解压呢?


#546

我看到google的paper已经把cifar10 train到99了,可惜复现不出来。


#547

层主,求paper链接


#548

请问7z文件用什么包可以解压呢?自己电脑跑不动,想在google colab上跑


#549

用软件,叫做7zip,win和linux都有相应的版本。python好像也有相应命令,没仔细查。个人血和泪的经验,放在固态上解压缩会快很多,尤其是test.7z。它有30w张图片。手动选择,1次几w张,不要30w张一次解压缩,会非常慢…………


#550

您好,请问您说的这篇paper能不能提供一下题目?


#551

具体题目忘了,应该是一篇用RL做网络结构搜索的。


#552

您好,请问为什么说教程里给的是resnet20呢?我对比了教程和model_zoo里的resnet18v1,结构是一致的啊。还有您的网络这样设计有什么原因吗?尤其是blk_5使用AvgPool而不是全局池化?


#553

表示期待,最近可能在玩一下cifar10,看看能不能再提高.


#554

你好 请问你用res18调整了哪些参数


#555


比之前新加了cutout,实际上提高的很多,但ensembel之后相比之前的没啥提升也是很奇怪.

顺带,项目更新了,提供从训练到生成kaggle的submission.csv一站式解决方案.


#556

最后一次,不做挣扎了.


#557

请问第一个问题,get_net(ctx) 不是重新初始化的吗? 第二个问题,原图和增强图一起使用,那是样本数会增加好1倍吗,原图数+增强图数?

def predict():
    net, preds = get_net(ctx), []
    net.hybridize()
    train(net, train_valid_iter, None, num_epochs, lr, wd, ctx, lr_period,
          lr_decay)

#558

使用了CBAM和Bag of tricks两篇论文的技巧,并做了一点点改进,集成了两个网络,最后达到了0.9805,两个网络单独的结果是0.9774和0.9763


#559

恭喜恭喜!能和社区分享一下你的code吗?


#560

可以的还在调,会慢慢公开哈哈