实际上笔者也没多少刷榜经验，毕竟不擅长，之前老大也没有任务指派，今年10月份得闲了个把月，没那么多事就参加了一个场景分类的比赛，链接如下，https://challenger.ai/competition/scene/leaderboard/test_a
刷了一个月之后最好成绩也就杀进前15然后就接着干项目去了。
与第一名差一个点，7000张测试图，80类，基本上每一类差1张图。到比赛结束的时候排在第20名左右，与第一名还是差一个点。说出去好像是有点不太好意思，但是作为第一次刷比赛，一个月也不能白费，毕竟绩效打在那里。现在的比赛听说还有专业刷榜团队的，也是666。
下面也简单分享一下。
0 刷的是什么比赛？
场景分类，80类日常生活中比较多的场景，这个在以后的社交应用中还是有需求的，相关最大的比赛是place365，有兴趣可以去看。眼下这个，是创新工场，今日头条，搜狗等一起搞的比赛，train数据集就不大，只有50000+，测试数据集7000+。
下面举10类吧
0/航站楼：airport_terminal
1/停机坪：landing_field
2/机舱：airplane_cabin
3/游乐场：amusement_park
4/冰场：skating_rink
5/舞台：arena/performance
6/艺术室：art_room
7/流水线：assembly_line
8/棒球场：baseball_field
9/橄榄球场：football_field
10/足球场：soccer_field
1 为什么叫第一境界？
我觉得怎么着刷榜这事也得有个三个境界，像笔者这样，一个人拿现有的模型，4块K40，兼职刷上一个月，最后提交也只融合了两个模型的，怎么看都是处于刚入门的第一境界，大部分人其实也就是这个境界。
而到了第二三境界，至少得有个集群，得有一群人来尝试各种方案，而顶尖的团队对网络结构肯定是需要调优设计的，历年夺冠的那些网络alexnet，googlenet，resnet，senet无一例外。
不过设计强大的网络结构从时间代价，计算资源代价和算法能力都有比较高的要求，大部分人可能就是从数据层面做文章了，比如清洗数据，数据增强，搞搞不均衡样本等。
2 怎么一步刷到比较优的单模型？
这是最关键的第一步。
有几点一定是要形成共识的。
(1) 由于我是只有4个卡，用caffe或者tensorflow都是不可能的，我用了mxnet，并且在训练的过程中都放开了所有参数，实际上也做过固定某些参数的实验，但是效果并不好。224的尺度，放开全部训练的话，4块卡resnet152 batchsize可以到96。在实验的过程中，batchsize越大，指标就越高，几个网络都能观测到相关结论。
(2) 由于训练数据少，使用当前数据从头训练大模型不太现实，所以，先找到相关数据集比赛finetune过的大网络，resnet系列找了一个resnet152，dpn系列找了一个dpn92，各自先训练。
(3) 从尽量大的模型开始，机器啃得动的就行，毕竟这个任务里面有很多类还是很难的，小网络搞不定，resnet系至少得50层以上。
在刷这个比赛的时候，从imagenet mxnet model的模型fine-tune过来，链接在下面。
http://data.mxnet.io/models/
实验了18，50，152层的网络，使用本比赛50000+的数据进行简单的参数调优，
解释一下，lr是学习率，Lr=0.01(10)代表在10个epochs后下降一个数量级，从0.01到0.001，实际上在10个epoch以后都收敛了，所以后面没有做更多step lr的比较，大家感兴趣可以去尝试。w是weight decay，m是momentum，bs是batch size，单个k40 gpu。
从上面可以看出，从18层到152层精度毫无疑问是提升的。虽然参数没有调到各自最优，但基本能反应问题。尤其注意的是res18我加了weight decay来增加模型复杂度，不然没有上90%的可能。从resent152到resent200指标就没什么提升了，而且res200远远没有res152参数好调。单模型单个crop 94%的精度已经差不多了，
(4) 理论上随着训练尺度增加，在一定范围内性能也会增加，但是训练尺度的增加会导致能使用的batchsize减小，所以笔者最后统一采用224这个尺度。听说有人用到了700以上的尺度，只能说，真土豪也。
(5) 单个模型，多个crop会对结果有所提升，有的团队用到了上百个crop，笔者最后用了10个crop，没有去尝试更多，毕竟测试也是很花时间，这点资源一个人搞不过来。
有了以上的共识后，那就开始干起来，过段时间我会重新整理把项目git传上去，前段时间服务器意外格式化丢了全部训练文件，一时还没有恢复。如果对此感兴趣，请持续关注。
总结：单模型，以resent152为例。
训练尺度224*224，数据增强采用了水平flip和随机crop，random resize参数照搬googlenet那套，放开所有参数，使用resnet152-place365，即在place365数据集上进行训练过的模型，然后使用当前的训练数据集进行finetune，validation数据集进行测试。
数据增强参数偷懒截个图，实际上这些mxnet全部都已经集成好了，直接设置开关即可。
训练参数，lr=0.01，分别在10,20,40个epoch时下调学习率，最后采用10个crop，分别为四个角，中心以及水平翻转。在试用了多个batchsize之后，最大的能用的batchsize取得最优，resnet152单个模型能到97%。
在测试的时候有trick，采纳dpn的思想，使用较小的尺度训练，使用较大的尺度测试，最终在略大于224的尺度上，有微小的提升，对于刷榜来说还有很重要的，毕竟0.5%可以干掉10个人。
3 怎么做模型融合？
不同网络架构，但能力相当的模型进行融合，结果会稳定提升。笔者单模型10个crop，resnet152得到0.971，dpn92得到0.965，两者融合后即到0.978。要想得到最优，需采用不同的epoch进行融合，这个需要花时间去测试；所以就会出现两个单模型最优，融合之后缺不是最优的情况。这个时候，需要把各自错误样本拿出来分析，我当时没有太多时间和耐心去尝试各种方案。
这就是提交比赛的最后结果，两个现有的模型在224尺度用4张卡训练，融合之后，在比赛结束前的一个月，能排在15名左右，比赛结束后我回去一看，test_a也在20名以内，test_b也差不多，由于test_b比较难，所有参赛队伍的成绩都下降了4个点左右。
4 哪些trick比较关键
虽然提交的结果非常简单，笔者还是实验过很多参数的，稍微有些经验拿出来分享下，有些参数是不能乱调的，有些则不需要调。
(1) finetune很关键
从相关大数据集上训练好的模型开始finetune，基本上可以肯定会比从不相关大数据集上训练的模型，或者从头开始训练更好，这个大家应该是通识了。
(2) 学习率lr和batchsize
学习率和batch size是成对的参数，batch size增大N倍，相当于将梯度的方差减少N倍，也就是梯度方差更小了，更加准确，更加容易跳出局部最优，带来的后果就是收敛更慢，这时候为了提高训练速度，可以将lr增加sqrt(N)倍。
学习率是最关键的参数了，没得说，只能自己从大到小开始尝试。
笔者列举一个例子：dpn92, lr_step_epochs='10,20,30,40',w=0,m=0,bs=64,
lr取0.001，0.005，0.01，0.01，分别看train和val的acc。
从小到大，从欠拟合到过拟合，很明显。
batch size相对来说没有lr那么敏感，但是对结果也是至关重要的。
下面是resnet152的batchsize的实验，mul_val是多个crop
下面是dpn92的batchsize的实验，mul_val是多个crop
看的出来，指标有所上升。
当然了，还是那句话，单个最优的模型融合起来并不能保证结果最优。
(3) weight decay和momentum
这两个参数，对于小模型的训练是比较关键的，不过越大越不敏感。
下面是res18的训练结果，从结果看来差异是很大的。
Res50，差距就不明显了。
Senet50也是。
我的结论是这个参数可以去调一调，不过对于大模型可能不是很必要，我都用的是0
(4) 测试网络
下面是单个crop和10个crop的比较
很明显，不管是什么网络，多个crop会有很明显的提升，上面稳定提升2%以上，更多的crop笔者没尝试，因为实在是太慢了。
另一方面，借鉴dpn的思想，用小尺度训练，大尺度测试可能也有微小的点提升，下面是一个比较。
(5) 数据增强
本任务中复杂的数据增强没怎么用，使用的是mxnet level=1的数据增强，估计是因为模型已经在大数据库上训练过，au=1就是基本的crop，flip，random resize，au=2会做图像旋转，au=3会再加上颜色扰动，实际的项目中我们还是会做一点的。
