深度学习 图片分类调参小结

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