Kaggle日寄

首绷之稀里糊涂的泰坦尼克

Kaggle最经典的入门比赛就是Titanic了吧，数据集是泰坦尼克上的乘客，标签是是否生还。这个竞赛我一开始写了一个MLP，效果巨差，得分巨低，然后找了官方的机器学习答案练了一下，分数0.7，比我的深度学习好多了。到最后也没搞懂错在哪，不过这是我第一次独立做Kaggle，代码是自己想的，不是借鉴复制动手学深度学习的课程的，作为实践还是很好地巩固了我的深度学习知识。至于模型，那实在是太烂了，不解释。

打脸之大失所望的数字识别

代码：https://www.kaggle.com/code/matchabrainlatte/digit-recog

打脸

经历了泰坦尼克的失败后，开始尝试第二个Kaggle竞赛，手写数字检测。这姑且是视觉的问题，我还是比较有信心的。模型是ResNet18。训练的时候我看训练误差只有2%，心想效果一定很棒，在Kaggle的GPU上练了100轮后，提交结果分数只有0.1左右，本来还以为会有0.99。我就很懵啊。后来问gpt发现我连损失函数都选错了。我用的是MSE，但实际上因为是识别任务所以应该用交叉熵。但是换成交叉熵之后，计算的时候报错了啊，一问gpt，欸，原来是label的维数和数据类型不对。纬度我是竖的，但实际上要用横的；数据类型我是float32，但实际上应该用long。

赢！

改完之后先练了10轮，我一看效果不错，上传结果，分数0.99014，排名421，赢！