恭喜获胜者！🎉 分数超过 0.8，呼，我对你们的解决方案很好奇。

感谢主办方举办这次比赛！我想知道你们在比赛前的基准是多少？

第14名解决方案

概述

得分最高的提交（私有分数 0.616）是由五个模型组成的集成模型。

• 集成 Notebook: https://www.kaggle.com/joatom/fgvc8-hotel-ensemble-inference
• 训练好的模型：
  • https://www.kaggle.com/joatom/hotel-train-fastai-densnet161
  • https://www.kaggle.com/joatom/fgvc8hotel
• 我最佳单模型的训练和推理 Notebook（私有分数 0.574）：
  • https://www.kaggle.com/joatom/hotel-train-fastai-densnet161
  • https://www.kaggle.com/joatom/hotel-inference-fastai/

数据

我将训练限制在本次比赛提供的数据范围内。
我通过 fastai 库使用了来自 pytorch 的预训练模型。
没有使用外部数据。

数据准备

为了加快训练速度，将图像缩小至最大尺寸 512。缩放后的图像和缩放代码可以在这里找到：https://www.kaggle.com/joatom/fgvc8hoteltrain512

数据增强

Fastai 默认增强，加上一些额外的缩放和反射填充：

item_tfms=Resize(448, method='pad', pad_mode='reflection')
batch_tfms=aug_transforms(size=224)

训练

用于最终提交的所有模型都使用 fastai 库以类似的方式进行训练。其中五个模型是我在家中使用 RTX2070S 和 4 个 CPU 在混合精度模式下训练的。第六个模型是在 Kaggle 上训练的（见 notebook）。

• 优化函数: QHAdam
• 调度器: OneCycle；在模型 v1 中，每轮最大学习率线性衰减

用于最佳集成的单模型：