feat: zhengquanwei028-HW1~HW2~HW3

[Will233]

No description provided.

[Will233]

[Will233]

[Will233]

HW2

[Will233]

HW 03

1、第一次训练

未修改模型， 修改了图片增强的方法

train_tfm = transforms.Compose([
    transforms.AutoAugment(transforms.AutoAugmentPolicy.IMAGENET),
    # 水平翻转图像
    transforms.RandomHorizontalFlip(p=0.5),
    # 旋转
    transforms.RandomRotation(degrees=(0, 180)),
    transforms.Resize((128, 128)),
    transforms.ToTensor(),
    # normalize,
])

训练参数

-- 训练参数 --

seed 6666
batch_size 64
n_epochs 50
patience 300
lr 0.000300
weight_decay 0.000010
-------------

2、第二次训练

增大 batch_size, 延长训练次数

-- 训练参数 --
seed 6666
batch_size 128
n_epochs 100
patience 300
lr 0.000300
weight_decay 0.000010
-------------

kaggle 评分

Score: 0.76195
Private score: 0.73282

3、第三次训练

修改模型,使用示例中的 Residual_Network ,降低 batch_size

-- 训练参数 --
seed 6666
batch_size 64
n_epochs 100
patience 300
lr 0.000300
weight_decay 0.000010

acc = 0.69709 -> best

4、第四次训练

修改模型，使用 resnet18

-- 训练参数 --
seed 6666
batch_size 64
n_epochs 100
patience 300
lr 0.000300
weight_decay 0.000010

0.72151

5、第五次训练

修改模型，使用 resnet18，延长训练时间 200个 epoch

-- 训练参数 --
seed 6666
batch_size 64
n_epochs 200
patience 300
lr 0.000300
weight_decay 0.000010

测试集准确率：0.75332
训练集准确率：0.90812

kaggle 结果

private_score: 0.77934
public_score: 0.77988

6、第六次训练

使用模型集成, resnet18 + vgg16 ，提升较明显

-- 训练参数 --
seed 2333
batch_size 128
n_epochs 300
patience 50
lr 0.000300
weight_decay 0.000010
-------------

Score: 0.80976
Private score: 0.81391