如何优化你的图像分类模型效果？

图像分类是一个认为几乎解决了的问题。

有趣的是，你必须竭尽所能来提升额外的1%的准确率。当我参加“ Intel Scene Classification Challenge hosted by Analytics Vidhya(由Analytics Vidhya主办的英特尔场景分类挑战)”我非常喜欢这次比赛，因为我尝试从我的深度学习模型中榨干所有的潜力。下面的技术通常是可以应用到手头上的任何图像分类问题中去。

问题

下面的问题是把给定的图片分类到下面的6个类别中去。

数据类别

数据中包含25,000张自然风景的图片，这些图片来自世界各地。

  渐进的（图片）尺寸调整

当训练CNN模型的时候，从小到大的线性调整图片尺寸是一项技术。渐进的尺寸调整在很赞的fastai课程中被描述为：程序员的深度学习实践。一种不错的方式是先用小的尺寸，如64 x 64进行训练，再用这个模型的参数，在128 x 128尺寸上进行训练，如此以往。每个较大的模型都在其体系结构中包含以前较小的模型层和权重。

渐进的尺寸调整

  FastAI