第一次Kaggle比赛心得

新手避雷

在未组队的情况下私下共享资料属于违规行为，组队截止时间过后尤其不能这样
提交notebook的时候，kaggle的服务器只能找到前两个输出文件，所以一定要把你要提交的文件放在前两个（我们就是犯了这个错误，痛失银牌
防shake，Kaggle的test dataset被分为public dataset和private dataset，submit后只显示在public dataset上的分数，最终排名会用在整个test dataset上的成绩来算，一般来说，ensemble效果差不多而原理不同的模型，既可以提升公榜分数，又能防shake，但是加权的weight不要调的过于仔细，否则很可能会过拟合public dataset

G2Net Detecting Continuous Gravitational Waves

这场比赛的重点在生成训练数据和噪声处理，模型大家基本都是调用TIMM库，使用efficientNet和Inception，模型和训练方面用到的trick用不多

比赛的收获

熟悉kaggle的使用
了解比赛规则
找到了几个优雅的深度学习的代码模板

like this

分类模型

Model

Model = encoder+classifier 输出为属于某类的概率，0~1

self.classifier = nn.Sequential(

            nn.Linear(n_features, n_class, bias=True),

            nn.Sigmoid() ## nn.Softmax() 多分类

            )

critrion BCE

nn.BCELoss()

nn.BCEWithLogitsLoss() 自带Sigmoid

这两个函数在计算时都有对p增或减一个较小值防止p=0或1时出现无穷大

Tricks

large kernel

31×31的大卷积核

Augmentation

flip 翻转

shift 平移

masking 遮住图像的一部分

transforms_time_mask = nn.Sequential(torchaudio.transforms.TimeMasking(time_mask_param=10))

transforms_freq_mask = nn.Sequential(torchaudio.transforms.FrequencyMasking(freq_mask_param=10))

# horizontal flip

img = np.flip(img, axis=1).copy()

# vertical flip

img = np.flip(img, axis=2).copy()

# vertical shift

img = np.roll(img, np.random.randint(low=0, high=img.shape[1]), axis=1)

# tima masking

img = transforms_time_mask(img)

# frequency masking

img = transforms_freq_mask(img)

了解更多Augmentation方法可见博客及论文

好用的库

TIMM 计算机视觉模型库
optuna 参数调优库
wandb 在线可视化库

巴特西