实战Pipeline模板

project/
|-- config.py          # 超参数配置
|-- dataset.py         # 数据加载与预处理
|-- model.py           # 模型定义
|-- trainer.py         # 训练逻辑
|-- inference.py       # 推理与提交
|-- utils.py           # 工具函数
|-- main.py            # 入口

Step 1: 数据预处理
  - 文本清洗(HTML/特殊字符/编码)
  - 对抗验证(训练/测试分布检测)
  - K-Fold划分(5折stratified)

Step 2: 模型训练(每折)
  - 预训练模型加载(DeBERTa-v3-large)
  - 对抗训练(FGM, epsilon=1.0)
  - 学习率调度(CosineWarmup)
  - 早停(patience=3)
  - 保存最佳模型和OO F预测

Step 3: 伪标签(可选)
  - 用5折模型给测试集打伪标签
  - 筛选置信度>0.9的样本
  - 加入训练集重新训练

Step 4: 融合
  - 多模型OOF预测加权平均
  - 多模型测试预测加权平均
  - 权重通过OOF分数优化

Step 5: 后处理
  - 阈值搜索(网格搜索最优阈值)
  - 规则修正(业务规则)
  - 生成提交文件

project/
|-- config.py          # 超参数配置
|-- dataset.py         # 数据加载与增强
|-- model.py           # 模型定义
|-- train.py           # 训练逻辑
|-- inference.py       # TTA推理
|-- ensemble.py        # 模型融合
|-- main.py            # 入口

Step 1: 数据准备
  - 图像EDA(尺寸/通道/类别分布)
  - 对抗验证
  - K-Fold划分(5折stratified)

Step 2: 数据增强
  - 训练: RandAugment + CutMix + Mixup
  - 验证: CenterCrop + Normalize
  - 推理: MultiCropTTA

Step 3: 模型训练(每折)
  - Backbone: EfficientNetV2-M/L 或 ConvNeXt-S/B
  - 损失: CE + LabelSmoothing(0.1) 或 ArcFace
  - 优化器: AdamW + CosineWarmup
  - 混合精度训练(FP16)
  - EMA(decay=0.999)
  - 保存最佳模型和OOF预测

Step 4: TTA推理
  - 原图 + 水平翻转 + 垂直翻转
  - 多尺度(0.75x/1.0x/1.25x)
  - 多裁剪(5-crop/10-crop)
  - 取softmax平均

Step 5: 融合
  - 多模型softmax概率加权平均
  - 权重通过OOF分数优化

Step 6: 后处理
  - 阈值搜索
  - 规则修正
  - 生成提交文件

Step 1: 数据分析
  - 目标尺寸分布(决定Anchor/输入尺寸)
  - 类别分布(是否不均衡)
  - 图像尺寸分布(是否需要SAHI)

Step 2: Anchor定制
  - K-means聚类目标框尺寸
  - 计算IoU评估Anchor质量
  - 替换默认Anchor

Step 3: 模型训练
  - YOLOv5/X 或 EfficientDet 或 DINO
  - 多尺度训练(img_size=640~1280)
  - Mosaic + Mixup增强
  - 类别权重(不均衡时)

Step 4: SAHI推理(小目标)
  - 切片大小: 1024x1024
  - 重叠率: 0.25
  - 合并方式: WBF

Step 5: TTA推理
  - 翻转(水平/垂直)
  - 多尺度(0.8x/1.0x/1.2x)

Step 6: 融合
  - 多模型WBF融合(iou_thr=0.6)
  - 置信度阈值搜索

Step 7: 后处理
  - Soft-NMS
  - 类别特定阈值
  - 极小框过滤

Step 1: 数据分析
  - 图像尺寸分布
  - 类别像素占比
  - 边界复杂度

Step 2: 模型训练
  - Encoder: EfficientNetV2 / ConvNeXt / Swin
  - Decoder: UNet++ / DeepLabV3+ / FPN
  - 损失: BCE + Dice 或 BCE + Lovasz
  - 增强强增强(旋转/翻转/弹性变形/CutMix)

Step 3: 多尺度推理
  - 0.75x/1.0x/1.25x/1.5x
  - 取sigmoid平均

Step 4: TTA
  - 翻转(水平/垂直/对角)
  - 旋转(90/180/270度)

Step 5: 融合
  - 多模型概率平均
  - 多尺度概率平均

Step 6: 后处理
  - CRF精修边界
  - 阈值搜索(每类别独立阈值)
  - 小区域过滤
  - 生成提交文件(RLE编码)

Step 1: 时间线分析
  - 检测分布变化点
  - 对抗验证(训练/测试分布)
  - 确定验证策略(时间划分/滚动验证)

Step 2: 特征工程
  - 时间特征: year/month/day/dayofweek/hour
  - 周期编码: sin(2*pi*day/7), cos(2*pi*day/7)
  - 滞后特征: lag_1/lag_7/lag_14/lag_28
  - 滚动统计: rolling_mean_7/rolling_std_14
  - 扩展统计: expanding_mean/expanding_std
  - 差分特征: diff_1/diff_7
  - 交叉特征: 类别x时间统计

Step 3: 模型训练
  - LightGBM(主力)
  - XGBoost(多样性)
  - CatBoost(类别特征)
  - 多折时间序列CV

Step 4: 融合
  - 加权平均(权重=OOF分数)
  - Stacking(可选)

Step 5: 后处理
  - 截断(预测值限制在合理范围)
  - 平滑(移动平均)
  - 规则修正

Step 1: 数据分析
  - 用户/物品分布
  - 冷启动比例
  - 交互稀疏度

Step 2: 召回阶段(多路)
  - ItemCF(相似物品召回)
  - UserCF(相似用户召回)
  - 热门物品召回
  - 向量召回(双塔DNN)
  - 序列召回(SASRec)
  - 合并去重(1000~3000候选)

Step 3: 特征工程
  - 用户统计特征(点击率/活跃度)
  - 物品统计特征(热度/类别)
  - 交叉统计特征(用户-类别点击率)
  - 序列特征(最近N个交互物品的Embedding)

Step 4: 排序模型
  - DeepFM / DCN V2 / DIN
  - 多目标(MMOE/PLE)
  - 特征重要性筛选

Step 5: 重排
  - 多样性过滤(同类去重)
  - 新鲜度加权
  - 业务规则修正

Step 6: 融合
  - 多模型排序分数加权
  - 倒数排名融合(RRF)