Happywhale -我的第一次Kaggle Solo经验分享，纯纯的都是经验，初学者友好~

比赛结束半个多月了，终于来做总结了，第一次SOLO参与这样的比赛，最终成绩是TOP15%，离铜牌区差的也不远了，可惜自己就差那一点时间，或者说就是因为自己前期犯了很多错以及毫无比赛经验，比赛里面太多高手了，也有很多乐于分享的人，学到了很多，于是做个总结，记录一下，也给需要的朋友分享。

下面分点给出一些个人认为对于深度学习竞赛有用的点（不以重要性排序）

1.GPU资源，没有这个寸步难行，更别提人家大佬的GPU比你的好，比你的多😂。但是这也不是我们放弃的理由，从初学者的角度来看，GPU资源足够很重要的一点是可以让你有更多的机会试错。在相同的知识水平下，训练一次模型一个小时跟训练一次十分钟对比，一个人做一次实验，另一个人已经做了六次，那你说，是谁获取的有用信息多呢？况且深度学习领域，即使你查了很多paper，知道了很多技巧，但就我个人经验来说，把他们带入你的代码中，并不能有提升，甚至有反作用，我不认为他们的东西就是假的，只是泛化性不太行吧哈哈，至于最终有没有用，还是得实验说话。（导师老是说深度学习里面做的这些没什么理论支撑，我也想有理论指导😂，可惜对我来说，大多数都是先做实验，获取到理想的结果之后，再来反推罢了）

2.写一个好的pipeline。pipeline就是指你的用来产生你的最后提交模型的项目代码，可以理解为生产模型的流水线（个人理解）。这点挺重要的，自己动手写一个好用的模板，不仅对本次比赛有效，以后的比赛也可以沿用这个模板，可以节约一些重复性工作的时间。本人就是因为对于创建一个竞赛pipeline不熟悉，所以最后写出来的代码存在很多bug，费尽心思调好了以后，cv和lb（即本地验证集得分与公共排行榜得分）gap特别大，于是调整了很久，浪费了大把时间。所以写一个好的训练代码模板吧，提前就