img2caption

这个比赛过程没有怎么记录下来有点可惜，最后拿了铜奖，前9%，感觉也还可以，是第一次认真打的kaggle并拿了奖（断断续续做了有一个月的样子）。没有什么太多的个人创新点，主要还是结合了大家分享的方法，然后自己在代码层面上做了些小改，包括后续集成的部分。

Kaggle地址：Stable Diffusion - Image to Prompts | Kaggle

一、下载数据§

数据地址：https://huggingface.co/datasets/poloclub/diffusiondb

一开始使用了huggingface提供的datasets库进行数据的下载与加载：

diffusion_dataset = load_dataset('poloclub/diffusiondb', '2m_first_10k', cache_dir="./cache", split="train")

以为会更加方便，但实际上，因为我需要额外的对原始数据进行处理和过滤，而且后续还会假如别的数据集，所以还不如直接去使用提供的另一个脚本去下载，因为到后面还是要用自己定义的函数进行数据的加载。（2023，4月3日记）

提供的下载脚本地址：diffusiondb/download.py at main · poloclub/diffusiondb (github.com)

# 修改urllib代理
from urllib.request import ProxyHandler, build_opener

proxy_url = "http://127.0.0.1:7890"
proxy_url_dict = {
    'http': proxy_url,
    'https': proxy_url
}

proxy_handler = ProxyHandler(proxy_url_dict)
opener = build_opener(proxy_handler)

install_opener(opener)