文件名称：Ifood-challenge-2018:尝试Ifood挑战2018
文件大小：1.67MB
文件格式：ZIP
更新时间：2024-05-31 23:44:07
pytorch kaggle kaggle-competition ensemble fastai
Ifood-challenge-18 尝试Ifood挑战2018 链接： 竞争链接： : 数据链接： : 附录 Fast.ai课程的第2课采用了大量代码。 代码文件： code/Preprocessing ：包括帮助程序功能以分析数据。 但是，我们后来发现，使用pandas库可以用更少的代码行实现相同的功能。 data ：包含所有训练文件等的文件夹 pyt_code ：Pytorch全部使用FastAI库编写代码，可以在这里找到： : 。 由于我们还为iFungi数据集运行了相同的代码，因此有一些重复项。 我们计划在一段时间内清理它们。 我们提到了最重要的文件（请原谅不好的命名方式）： Acc_95.py ：如果csv文件结构正确，则可以按Acc_95.py运行。 可以按原样使用Fastai的任何现有体系结构。 这包括（但不限于）resnext50，resnext10
【文件预览】：
Ifood-challenge-2018-master
----data()
--------train_cake_labels.csv(59KB)
----pyt_code()
--------Acc_95.py(3KB)
--------Trying Senet.ipynb(129KB)
--------Accu_fungi.py(7KB)
--------inception_ifungi_csv.py(2KB)
--------clusters.txt(1KB)
--------Clustering.ipynb(252KB)
--------Acc_psnasnet_95.py(2KB)
--------Accuracy_78_cleaned_data.ipynb(393KB)
--------Accuracy_78.ipynb(572KB)
--------Ensemble_Submission.ipynb(28KB)
--------Accu_fungi.ipynb(14KB)
--------big_label_dict.json(2KB)
--------big_label_dict_fin.json(2KB)
--------Accuracy_78.py(7KB)
--------Acc_fungi_95.py(6KB)
--------Ensemble.ipynb(66KB)
--------Accuracy_75_ResNet50.ipynb(512KB)
--------Accuracy_75.ipynb(522KB)
--------Acc_senet_95.py(2KB)
--------Accuracy_78_Cake.ipynb(216KB)
--------Combined_CNN_FC.ipynb(23KB)
----code()
--------Preprocessing()
----.gitignore(58B)
----README.md(3KB)