最近由于时间所以没有太多时间调参，所以解决问题比较暴力，个人觉得自己的思路不是很值得学习。侥幸取得了第四，但是我发现很多人也都到了99.86的分数，我也看了学习圈鹏大佬对本题的思路，当中确实有很多值得学习的地方，感觉比较专业的样子（有机会去加个好友，学习一下）,本次也多分享点自己写的代码，比较差劲各位见谅。

个人思路（评估指标acc，所以没有太多关注样本均衡的问题，这可能也是到不了99.91的原因？）

观察数据（数据增强） >>  模型选择（resnet,densenet,efficientnet） >> TTA预测

下面分享一下怎么做以上三个操作的:

1. 数据增强(如下所示，优于数据本身有增强过的痕迹，所以数据增强很简单)

def get_trans(size=224):
   mean, std = [0.485, 0.456, 0.406], [0.229, 0.224, 0.225]
   return \
       {
           'train': torch_transforms.Compose([
               torch_transforms.Resize((size,size)),
               torch_transforms.RandomHorizontalFlip(),
               # transforms.RandomVerticalFlip(),
               torch_transforms.RandomAffine(degrees=5, translate=(0.05, 0.05), scale=(0.95, 1.0