之前一直用的tensorflow框架，想上手一下pytorch框架，然后一番搜索之后发现了基于pytorch的fastai高级库，fastai对于pytorch的关系和keras对于tensorflow的关系非常相似。正好拿这个比赛学习一下fastai，扩展一下pytorch方面的知识。最后成绩天气识别56/1054,云状识别31//1318。 因为是练手，所以实现的功能非常简单，基本就是baseline级别的东西。不得不说fastai使用起来非常简便，从开始写到出答案只需要几个小时的时间，并且想法迭代起来也非常快速。 与其说这是一个比赛的总结，不如说这是一个安利fastai的广告，fastai赛高。

两个赛题都是分类问题，输入为尺寸不一的图片，输出为图片的类别。 例如天气的类别为：

云状的类别和天气差不多，分为1～29个类别，并且包含一张图片对应多个分类的情况，难度比天气大。

总的数据数量为10665，多标签的数据为454条，占比较少，由于只实现了单标签的网络，因此数据统计的时候去掉了多标签的数据。 数据非常不平衡，多的种类数量有1500+，少的种类数量只有个位数，这里不禁要吐槽一下数据的质量。 虽然做了数据类别的可视化，类别非常不平衡，但是方案中并没有实现，改进一下的话应该是可以提分的。 感觉在强大的数据平衡手段都拯救不了个位数和1500+的差距，深度学习，数据还是第一重要的。

由于网络在训练是要resize到一个固定的尺寸，因此，统计一下数据图片的尺寸十分有必要。 下图所示，X轴为图片的宽，Y轴为图片的高。 统计之后可以发现图片大多数分布在0~2000之间，在几次控制变量试验后，选定了resize为512*512的训练尺寸。

代码非常简洁，基本上能想到的常见的trick，fastai都已经给你封装好了。