Kaggle入门记录

从4月底开始断断续续看了很多深度学习相关的东西，从架构到论文再到训练细节，但是因为自己没上手开始做东西，一直处在看了就忘的状态。最近开始做东西，才感觉自己正式开始逐渐入门了。

所以这里就记录下自己的学习历程，保存一下以后可能用得到的学习资料。

首先，在不确定自己要做什么的时候，开始做才是最重要的。我跟了挺多教程的，最后感觉Kaggle真的很适合作为入门练习。我的第一个练习是跟着机器之心的教程来的，做航拍仙人掌的识别。分类任务相对简单，而用pytorch的抽象库fastai就更加简化了这一任务（所以强烈推荐入门的新手从Pytorch的fastai和Tenseflow的Keras开始，其中据说fastai又要比Keras简单很多）。Kaggle的Playground任务里有很多人分享了自己的Kernal（就是类似Jupyter Notebook，可以直接看别人的代码和文字说明），在学习中出问题的时候就可以参考别人的（比如机器之心教程里

train_img = train_img.transform(transformations, size=128)

这句就写错了，但别人的kernal里有正确的，可以对比学习。）。我自己做的时候就遇到了正确率一直50%，后来发现测试集没读取上的问题（可以参考fastai文档学习，我最后是用的分解的api读取的测试集，因为实在搞不懂ImageDataBunch是否有设置add_test()函数的地方）。

仙人掌弄完就进了人脸识别血缘的坑，从参考的kernal看目前大部分人使用的都是基于Keras的FaceVGG，所以借机学一波Keras。以下放一些我觉得不错的干货：

Keras中文文档

Keras基本结构功能