{
  "id": 105677,
  "title": "12th Solution 공유",
  "url": "/competitions/2019-3rd-ml-month-with-kakr/discussion/105677",
  "author_name": "Taemyung Heo",
  "post_date": "2019-08-25T12:15:25.783000",
  "votes": 3,
  "comment_count": 0,
  "views": 0,
  "content": "<h2>12th Solution 공유</h2>\n\n<p>안녕하세요. 이전에 딥러닝에 대해 공부하긴 했지만 실제 프로젝트를 하거나 문제를 풀어본 건 이번이 처음이었는데요.</p>\n\n<p>대회 참여하면서 많은 분들이 훌륭한 커널을 공개해주신 덕에 실제 이미지 분류 문제를 어떻게 풀어야 하는지 여러가지 테크닉을 많이 배우고 적용해 볼 수 있었습니다.</p>\n\n<p>좋은 기회를 마련해주신 캐글 코리아 운영진에게 진심으로 감사드립니다.</p>\n\n<p>저는 최종 스코어 프라이빗 리더보드 기준으로 0.95491이 나왔고 순위는 12위를 했는데요.</p>\n\n<p>솔루션 공유를 위해 커널을 다시 재현해보니 0.95565로 최종 성적보다 좀 더 높게 나오네요.</p>\n\n<p>최종 커널은 양세원님의 <a href=\"https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10\">https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10</a> 를 기반으로 만들었습니다.</p>\n\n<p>트레이닝까지 하면 시간이 너무 오래 걸려서 트레이닝 부분은 fold 1만 하게 했고, 실제 트레이닝도 flag 변수로 스킵하게 했습니다.</p>\n\n<p>자세한 설명을 쓰지는 못했는데, 혹시 궁금한 점 문의주시면 답변 드리겠습니다.</p>\n\n<p>보시고 도움이 됐다면 제 Kernel에 Vote 해주시면 감사하겠습니다!</p>\n\n<p><a href=\"https://www.kaggle.com/tmheo74/3rd-ml-month-12th-solution\">https://www.kaggle.com/tmheo74/3rd-ml-month-12th-solution</a></p>\n\n<h2>Reference Kernel</h2>\n\n<ul>\n<li><a href=\"https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10\">https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10</a></li>\n<li><a href=\"https://www.kaggle.com/janged/3rd-ml-month-xception-stratifiedkfold-ensemble\">https://www.kaggle.com/janged/3rd-ml-month-xception-stratifiedkfold-ensemble</a></li>\n<li><a href=\"https://www.kaggle.com/seriousran/cutout-augmentation-on-keras-efficientnet\">https://www.kaggle.com/seriousran/cutout-augmentation-on-keras-efficientnet</a></li>\n<li><a href=\"https://www.kaggle.com/hominlee/ka-kr-sillim-fast-ai-high-level-framework\">https://www.kaggle.com/hominlee/ka-kr-sillim-fast-ai-high-level-framework</a></li>\n<li><a href=\"https://www.kaggle.com/yangsaewon/pytorch-inference-tta\">https://www.kaggle.com/yangsaewon/pytorch-inference-tta</a></li>\n<li><a href=\"https://www.kaggle.com/hominlee/ka-kr-sillim-autoaugmentation\">https://www.kaggle.com/hominlee/ka-kr-sillim-autoaugmentation</a></li>\n<li><a href=\"https://www.kaggle.com/devbruce/kakr-2019-3rd-eda-imageprep-mixup-cv-keras\">https://www.kaggle.com/devbruce/kakr-2019-3rd-eda-imageprep-mixup-cv-keras</a></li>\n</ul>",
  "messages": [
    {
      "id": 607506,
      "postDate": "2019-08-25T12:15:25.783Z",
      "content": "<h2>12th Solution 공유</h2>\n\n<p>안녕하세요. 이전에 딥러닝에 대해 공부하긴 했지만 실제 프로젝트를 하거나 문제를 풀어본 건 이번이 처음이었는데요.</p>\n\n<p>대회 참여하면서 많은 분들이 훌륭한 커널을 공개해주신 덕에 실제 이미지 분류 문제를 어떻게 풀어야 하는지 여러가지 테크닉을 많이 배우고 적용해 볼 수 있었습니다.</p>\n\n<p>좋은 기회를 마련해주신 캐글 코리아 운영진에게 진심으로 감사드립니다.</p>\n\n<p>저는 최종 스코어 프라이빗 리더보드 기준으로 0.95491이 나왔고 순위는 12위를 했는데요.</p>\n\n<p>솔루션 공유를 위해 커널을 다시 재현해보니 0.95565로 최종 성적보다 좀 더 높게 나오네요.</p>\n\n<p>최종 커널은 양세원님의 <a href=\"https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10\">https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10</a> 를 기반으로 만들었습니다.</p>\n\n<p>트레이닝까지 하면 시간이 너무 오래 걸려서 트레이닝 부분은 fold 1만 하게 했고, 실제 트레이닝도 flag 변수로 스킵하게 했습니다.</p>\n\n<p>자세한 설명을 쓰지는 못했는데, 혹시 궁금한 점 문의주시면 답변 드리겠습니다.</p>\n\n<p>보시고 도움이 됐다면 제 Kernel에 Vote 해주시면 감사하겠습니다!</p>\n\n<p><a href=\"https://www.kaggle.com/tmheo74/3rd-ml-month-12th-solution\">https://www.kaggle.com/tmheo74/3rd-ml-month-12th-solution</a></p>\n\n<h2>Reference Kernel</h2>\n\n<ul>\n<li><a href=\"https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10\">https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10</a></li>\n<li><a href=\"https://www.kaggle.com/janged/3rd-ml-month-xception-stratifiedkfold-ensemble\">https://www.kaggle.com/janged/3rd-ml-month-xception-stratifiedkfold-ensemble</a></li>\n<li><a href=\"https://www.kaggle.com/seriousran/cutout-augmentation-on-keras-efficientnet\">https://www.kaggle.com/seriousran/cutout-augmentation-on-keras-efficientnet</a></li>\n<li><a href=\"https://www.kaggle.com/hominlee/ka-kr-sillim-fast-ai-high-level-framework\">https://www.kaggle.com/hominlee/ka-kr-sillim-fast-ai-high-level-framework</a></li>\n<li><a href=\"https://www.kaggle.com/yangsaewon/pytorch-inference-tta\">https://www.kaggle.com/yangsaewon/pytorch-inference-tta</a></li>\n<li><a href=\"https://www.kaggle.com/hominlee/ka-kr-sillim-autoaugmentation\">https://www.kaggle.com/hominlee/ka-kr-sillim-autoaugmentation</a></li>\n<li><a href=\"https://www.kaggle.com/devbruce/kakr-2019-3rd-eda-imageprep-mixup-cv-keras\">https://www.kaggle.com/devbruce/kakr-2019-3rd-eda-imageprep-mixup-cv-keras</a></li>\n</ul>",
      "rawMarkdown": "## 12th Solution 공유\n\n안녕하세요. 이전에 딥러닝에 대해 공부하긴 했지만 실제 프로젝트를 하거나 문제를 풀어본 건 이번이 처음이었는데요.\n\n대회 참여하면서 많은 분들이 훌륭한 커널을 공개해주신 덕에 실제 이미지 분류 문제를 어떻게 풀어야 하는지 여러가지 테크닉을 많이 배우고 적용해 볼 수 있었습니다.\n\n좋은 기회를 마련해주신 캐글 코리아 운영진에게 진심으로 감사드립니다.\n\n저는 최종 스코어 프라이빗 리더보드 기준으로 0.95491이 나왔고 순위는 12위를 했는데요.\n\n솔루션 공유를 위해 커널을 다시 재현해보니 0.95565로 최종 성적보다 좀 더 높게 나오네요.\n\n최종 커널은 양세원님의 https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10 를 기반으로 만들었습니다.\n\n트레이닝까지 하면 시간이 너무 오래 걸려서 트레이닝 부분은 fold 1만 하게 했고, 실제 트레이닝도 flag 변수로 스킵하게 했습니다.\n\n자세한 설명을 쓰지는 못했는데, 혹시 궁금한 점 문의주시면 답변 드리겠습니다.\n\n보시고 도움이 됐다면 제 Kernel에 Vote 해주시면 감사하겠습니다!\n\nhttps://www.kaggle.com/tmheo74/3rd-ml-month-12th-solution\n\n## Reference Kernel\n* https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10\n* https://www.kaggle.com/janged/3rd-ml-month-xception-stratifiedkfold-ensemble\n* https://www.kaggle.com/seriousran/cutout-augmentation-on-keras-efficientnet\n* https://www.kaggle.com/hominlee/ka-kr-sillim-fast-ai-high-level-framework\n* https://www.kaggle.com/yangsaewon/pytorch-inference-tta\n* https://www.kaggle.com/hominlee/ka-kr-sillim-autoaugmentation\n* https://www.kaggle.com/devbruce/kakr-2019-3rd-eda-imageprep-mixup-cv-keras",
      "votes": 3
    }
  ],
  "comments": [],
  "raw_markdown_by_id": {
    "607506": "## 12th Solution 공유\n\n안녕하세요. 이전에 딥러닝에 대해 공부하긴 했지만 실제 프로젝트를 하거나 문제를 풀어본 건 이번이 처음이었는데요.\n\n대회 참여하면서 많은 분들이 훌륭한 커널을 공개해주신 덕에 실제 이미지 분류 문제를 어떻게 풀어야 하는지 여러가지 테크닉을 많이 배우고 적용해 볼 수 있었습니다.\n\n좋은 기회를 마련해주신 캐글 코리아 운영진에게 진심으로 감사드립니다.\n\n저는 최종 스코어 프라이빗 리더보드 기준으로 0.95491이 나왔고 순위는 12위를 했는데요.\n\n솔루션 공유를 위해 커널을 다시 재현해보니 0.95565로 최종 성적보다 좀 더 높게 나오네요.\n\n최종 커널은 양세원님의 https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10 를 기반으로 만들었습니다.\n\n트레이닝까지 하면 시간이 너무 오래 걸려서 트레이닝 부분은 fold 1만 하게 했고, 실제 트레이닝도 flag 변수로 스킵하게 했습니다.\n\n자세한 설명을 쓰지는 못했는데, 혹시 궁금한 점 문의주시면 답변 드리겠습니다.\n\n보시고 도움이 됐다면 제 Kernel에 Vote 해주시면 감사하겠습니다!\n\nhttps://www.kaggle.com/tmheo74/3rd-ml-month-12th-solution\n\n## Reference Kernel\n* https://www.kaggle.com/yangsaewon/pytorch-baseline-updated-7-10\n* https://www.kaggle.com/janged/3rd-ml-month-xception-stratifiedkfold-ensemble\n* https://www.kaggle.com/seriousran/cutout-augmentation-on-keras-efficientnet\n* https://www.kaggle.com/hominlee/ka-kr-sillim-fast-ai-high-level-framework\n* https://www.kaggle.com/yangsaewon/pytorch-inference-tta\n* https://www.kaggle.com/hominlee/ka-kr-sillim-autoaugmentation\n* https://www.kaggle.com/devbruce/kakr-2019-3rd-eda-imageprep-mixup-cv-keras"
  }
}