pytorch一些调参的方法

首先是对数据增强的调整：Pytorch 中的数据增强方式最全解释 - 云+社区 - 腾讯云 (tencent.com)   从 这些方法里选择自己需要的；

对学习率的调整：PyTorch学习之六个学习率调整策略 - Shaw_喆宇 - 博客园 (cnblogs.com)  常用且比较有效的是等间隔调整学习率

 标签平滑：正则化技巧：标签平滑（Label Smoothing）以及在 PyTorch 中的实现 - 云+社区 - 腾讯云 (tencent.com) 大意就是降低模型对自己预测的结果的概率，提高对其它预测结果的概率，防止它过度自信