這是一個關於kaggle競賽的作品呈現，透過以下流程能成功復現，程式碼解釋以及相關實驗可以詳見109550155_HW5.pdf。
簡單來說是使用Swin Transformer來分類，而針對第二個與第三個任務，因為資料量較少，因此運用transfer learning，即繼承前一個任務訓練完的權重來開始訓練。
使模型能夠正確分辨以下三種任務：
1.只有一個數字：
2.有兩個符號：
3.有四個符號：
我採用的python version為3.9.7。
首先下載109550155_Final_train.py、109550155_Final_test.py、requirements.txt，接著用以下指令以符合執行環境。
pip install -r requirements.txt接著到該kaggle競賽去下載dataset以及sample_submission.csv
對於不同任務需訓練不同的模型，109550155_HW5_train_task{1,2,3}.py
進入109550155_HW5_train_task{1,2,3}.py修改路徑至指定位置並執行
python 109550155_HW5_train_task{1,2,3}.py可以得到save_swin{1,2,3}.pth
進入109550155_HW5_inference.py修改以下路徑至指定位置並執行
python 109550155_HW5_inference.py 可以得到109550155.csv。
我在validation set上測試時，task1可到100%，task2約為99.7%，而task3落在99%
public scoreboard上是15/108
而在private scoreboard上的成績為21/108：
