Talk is cheap, show me the code!

木薯叶疾病银牌方案参考baseline:1.[No TTA] Cassava Resnext50_32x4d Inference lb0.9032.Clean_Inference_Kernel_8xTTA_LB9023.Cassava-ensemble-(efnetb3-resnet50)

一.基础知识三.案例实战——熟悉机器学习/深度学习项目流程三.过去比赛的项目实战——锻炼代码能力比赛1：Tweet Sentiment Extraction(情感提取)比赛2：Abstraction and Reasoning Challenge(图像推理)比赛3：Google QUEST Q&A Labeling(问答标签)比赛4：**Global Wheat Detection(全球小麦检测)**四.现在的比赛实战

Kaggle木薯叶病毒比赛一.比赛数据分析1.1.数据不平衡1.2.有病木薯叶部分特征的交叉1.3.RGB通道上的区别一.比赛数据分析1.1.数据不平衡木薯叶图片数据分5类（4种有病的，1种健康的），从图片看出现明显的数据不平衡解决数据不平衡的方法有：①通过数据增强的手段，将数据量少的4类增加到和第二类一样的数量②通过加权损失函数，让第1、3~5类预测错误的惩罚更严重，CMD预测错误的惩罚轻点1.2.有病木薯叶部分特征的交叉CBB：黄斑，带有黄色边框的褐色斑点，黄色的叶子，叶子枯萎CB

Kaggle-siim比赛(5%)总结模型选择：Loss选择：focal loss 或者二元交叉熵防止过拟合方法：标签平滑Label SmoothingTPU：比ppu快数据增强：GramMask，数据增强之Gridmask(案例链接：[pytorch] 图像识别之GridMask)...

(1)Pooling方法(2)维度处理(3)特征增强(4)重排序

一 .PyRetri介绍二.程序讲解