背景：学校搞计算机比赛，楼主在只有基础算法题的预赛里成了种子选手，被拉去参加更大的比赛，但是这比赛中会有pytorch的题目。题型都是图像识别（应该说是多分类任务吧）用pytorch实现。而楼主就如标题一样连机器学习的门都没靠近过orz
经过一下午《Dive into DeepLearning》速成勉强能用残差网络实现了，打算一套代码用到死至少勉强拿点分（20分大题），但遇到了几个问题：
1.不同练习题的效果差距有点大，比如物体识别和生物识别，物体识别分类就63%的acc而生物识别有82%，这种问题该如何找方法解决。
2.一般来说这种问题acc多少算合格、正常、优秀呢？就怕现在自以为够用的准确率连同情分都没有（）
3.残差神经网络外有没有可以更快捷准确的方法呢？（指个路我去研究一下）
在线等挺急的，就几天时间了
经过一下午《Dive into DeepLearning》速成勉强能用残差网络实现了，打算一套代码用到死至少勉强拿点分（20分大题），但遇到了几个问题：
1.不同练习题的效果差距有点大，比如物体识别和生物识别，物体识别分类就63%的acc而生物识别有82%，这种问题该如何找方法解决。
2.一般来说这种问题acc多少算合格、正常、优秀呢？就怕现在自以为够用的准确率连同情分都没有（）
3.残差神经网络外有没有可以更快捷准确的方法呢？（指个路我去研究一下）
在线等挺急的，就几天时间了
这个主要还是根据数据集选模型，目前残差效果应该是比较好的，比较好的数据集，ACC一般情况下90左右还算说得过去，识别效果的问题可以通过改变模型、调参和均衡数据集等方法改善
