The detailed comments are in chinese: https://blog.csdn.net/lvsolo/article/details/103445431
environment:
autokeras 0.4.0;
torch 1.3.1;
cuda10.0;
cudnn 7.5.1;
gpu rtx2070
The main process flow is as follows:
1)Preprocess the datasets,restore into numpy file, preventing the repeated loading work;
2)Use AutoKeras to choose the model for the probloms
3)Use the pytorch to continuely train the model
4)Generate the result csv for kaggle.
之前做过一些简单的深度学习项目，在我看来主要是一些调包工程师的工作，应用现有的模型对一些项目进行训练。初入kaggle，打算以最简单的项目为切入点，提升自己的姿势水平。
环境：autokeras 0.4.0;
torch 1.3.1;
cuda10.0;
cudnn 7.5.1;
gpu rtx2070
本文记录了这一项目进行的主要逻辑流程，主要步骤如下：
1）数据预处理，比较简单，reshape并保存为numpy的格式存储
2）使用autokeras进行模型的初筛，通过短时间的预训练搜索出较为合适的模型
3）用pytorch加载现有的预训练模型，进行进一步的训练
4）对测试数据进行预测生成csv文件，上传