Kaggle 120种狗分类比赛 Gluon实现代码
通过Gluon教程，边学边练。使用renset152_v1得到0.37900分数
- 在Kaggle上下载训练数据和测试数据，在
reorg_dog_data设置相关路径并运行，整理数据集 - 在
model中设置好预训练网络和输出网络 - 运行
Pre_Training_Data生成预训练数据 - 在
train中调整参数并运行进行训练 - 运行
pretest生成结果csv文件，提交到kaggle
在杨培文的代码中学到的，如果使用imagenet网络进行预训练，锁住特征层的话，那可以先把所有数据都都过一边特征层网络，这样在后面进行分类输出网络的训练时会省去很多时间和显存，并且在训练的时候可以把bs开到很大，而且在过特征层网络的时候，可以把bs设的小一点，而且不用反向传播，速度也不会太慢，这样就解决了在低配电脑上无法训练的问题。而且用最新版mxnet输出的特征数据非常小，70M左右，后面的分类层即使用cpu也能跑很顺畅