百尺竿头，更进一步——如何最后一步再提升一下模型的精度？

今天来讲一讲，如何在模型已经取得不错的精度的情况下，进一步提升模型的性能。
一句话：从小到大，逐步变大
比如，我们在256x256图像上训练，可以多创建几个数据集，其中的图像缩放为64x64和128x128。用64x64的数据集创建你的模型，照常进行微调，然后用128x128的数据集训练同样的模型。不是从头开始，而是使用之前训练得到的参数。一旦看起来已经最大限度地对这个128x128的数据进行了训练，再转向你的目标数据，即256x256的数据。你可能会发现准确度会有一两个百分点的提升。
理论依据：用较低的分辨率训练时，模型会学习图像的总体结构，随着图像的扩展，可以完善这个知识。
这是一个很好的小技巧，如果你想让模型再最后提升一点性能，就可以用这一招。
注：文章摘选自《基于PyTorch的深度学习》Ian Pointer著