同时，需要不断实验和评估，找到最适合当前任务的优化组合，深度学习模型的训练和优化是迭代的过程，需要不断调整模型的参数和超参数来提高模型的性能。°，翻转，调整饱和度，部分剪切，批量提高饱和度，调整亮度，调整模糊度，调整噪声的方法生成额外的图片，增强数据集的数量，提升整体模型的泛化能力，如果模型针对同一类别识别性能较好，对其他类较差，则采用随机剔除的方法可以可以显著提升模型效能。引入了高效的部分自注意