动植物图像分类预测

分享给好友

2019-03-15 12:28:36
开始提交

2019-04-14 12:28:36
最终提交结束

自由训练

剩余奖金 ¥ 0
参赛权限提示

当前赛题需能力值达到 $vue{itemranking} 才可以正常提交训练哦~

当前赛题仅允许 600 能力值以下的新手可以正常提交训练哦~

报名参赛

下载当前代码

您可使用自己熟悉的编辑器实现算法并通过命令行
提交任务到FlyAI云端训练。确认下载体验吗?

$vue{upDataType ? '上传样例压缩包' : '上传代码压缩包' }

请将代码文件压缩为zip格式,文件大小不超过10M 提示:请确认删除"data"⽂件夹后进行上传操作

将文件拖拽至此处或点击此处选择文件

$vue{complete < 99 ? '上传中' : '上传完成'} $vue{complete}

$vue{fileName}
线上GPU运行环境:
FlyAl推荐如下配置,如有问题可手动添加或修改!

GPU环境

深度学习框架

其它依赖

提交
提交

提交确认

设置好参数后点击“确定“发布GPU训练任务

EPOCHS

BATCH SIZE

绑定你的微信账号

用于本地环境登录和实时接收训练通知

打开微信,使用扫一扫功能分享给好友

绑定你的微信账号

用于本地环境登录和实时接收训练通知

温馨提示

$vue{csv_msg}

知道了
提交结果文件

$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}

$vue{csvName}上传成功
取消 确认提交

提交成功

系统正在测评您的结果文件,

您可通过右侧【我的提交-查看记录详情】进行查看

知道了
  • 赛事介绍
  • 竞赛排行榜
  • 奖金记录
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

该数据集下包含俩类图像集,动物和植物。这是一个简单的二分类预测练习赛,通过建立模型准确预测动物和植物的图像类别。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

参赛方式

  • 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分。

参赛选手说明

  • 参赛人员身份信息需保证真实、有效,大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
  • 欢迎海内外的在校学生,算法工程师和所有AI爱好者参与
  • 本次竞赛报名形式:以个人形式本地提交作品线上审核,并且以最终提交算法得分作为唯一有效成绩
  • 在比赛截止日期前,团队中成绩最高分作为本团队的最终成绩
  • 报名成功后请加入FlyAI竞赛交流群,一起学习进步!重要通知也将在群内发布,不要错过哦

比赛作品说明

  • 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
  • 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
  • 多开小号报名、提交,一经发现将取消参赛资格
  • 禁止使用外部链接下载代码替换本项目代码
  • 比赛过程中,通过脚本获取比赛数据,成绩无效
  • 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
  • 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
  • 提交的代码具备可解释性并且其它开源框架可复现
  • 所有相似代码将一律不通过审核!!情况多次出现者封号处理
  • 如有发现利用非正常手段作弊行为,奖金一律不发放。之前所获得奖金金额官方有权收回,情节严重者封号处理
  • 提交代码即视为阅读并同意以上比赛作品说明

大赛奖项设置

奖项说明:

奖项设置 获奖人数 奖金额度说明(按最终得分评判)
FlyAI挑战奖 所有挑战者 奖金获取标准:80<Score<=100 按照得分比例获取奖金池金额
新框架奖励 所有人 项目中首次使用排行榜中未出现的新框架搭建模型,可获得60FAI币额外积分奖励

赛事主题和数据说明

赛题描述

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。小提示:抢先更新算法排行榜,有更大机会获取高额奖金哦

数据来源

Enimalandflowerclassification

数据描述

由于需要提交代码作品在云端进行训练,参赛数据集不对外开放。仅提供调试数据。

字段说明:

文件名 字段名称 字段类型 备注
image_path string 不为空 图片的相对路径
label int 大于等于 0, 小于等于 1 物体类别

参考文献:

[1]

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: label,

评审指标说明

  • 准确率(Accuracy):对于给定的测试数据集,预测正确的样本数与实际总样本数之比
  • True,表示预测正确的样本数数量
  • Total Number of Samples,表示实际总样本数数量
  • 计算公式如下:

比赛常见问题说明

Q:比赛使用什么框架?

  • 比赛支持常用的机器学习和深度学习框架,比如TensorFlow,PyTorch,Keras,Scikit-learn、MXNet等。

Q:怎么参加比赛,需不需要提交CSV文件?

  • FlyAI竞赛平台提供免费云端GPU资源,报名后可以使用自己熟练的框架,修改main.py中的网络结构和processor.py中的数据处理;仅部分赛题支持CSV方式提交,请仔细阅读参赛方式相关内容。

Q:比赛排行榜分数怎么得到的?

  • 参加项目竞赛必须实现 model.py 中的predict_all方法。系统通过该方法,调用模型得出评分。
超过 80分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

交差墒

1010.00

batch数据为512,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为100.00。

2019-05-09 21:02:32

1010.00

100.00

第三名

纶巾

batch数据为256,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为99.11。

2019-06-13 11:05:32

99.11

第三名

顺子

batch数据为64,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为98.21。

2019-11-26 13:56:38

98.21

4

开拓者

batch数据为32,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为94.64。

2019-10-25 14:46:39

94.64

5

伤心凉粉

batch数据为64,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为94.64。

2020-04-08 07:07:02

94.64

6

邹俊

batch数据为4,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为93.75。

2019-09-04 11:43:26

93.75

7

wrzhenian

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为92.86。

2019-07-13 15:27:11

92.86

8

小公主

batch数据为256,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为92.41。

2019-09-04 01:36:04

92.41

9

梯度下降

10.00

batch数据为64,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为82.59。

2019-03-20 21:43:40

10.00

82.59

10

sw2009

batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为77.68。

2019-05-12 13:50:42

77.68

11

Jiery

10.00

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-03-19 15:01:30

10.00

77.23

12

.co

10.00

batch数据为64,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-03-20 22:47:35

10.00

77.23

13

李小白

10.00

batch数据为64,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-03-23 00:42:50

10.00

77.23

14

篠筱筱

10.00

batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-03-23 01:08:05

10.00

77.23

15

好好学习

10.00

batch数据为128,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-03-26 00:40:17

10.00

77.23

16

ChangeBio

batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-04-29 21:02:11

77.23

17

batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-05-07 18:57:24

77.23

18

TIARNACH

batch数据为512,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为77.23。

2019-07-12 14:15:49

77.23

19

大山1563190752

batch数据为200,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为77.23。

2020-02-23 09:18:52

77.23

20

andrew noah

batch数据为64,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为56.25。

2020-03-02 00:14:07

56.25

21

Muyun99

batch数据为500,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-08-25 21:32:01

0.00

22

hundredark

batch数据为500,循环次数为22次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-08-31 16:56:11

0.00

23

The simpler

batch数据为500,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-09-11 17:03:30

0.00

24

傲寒

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-09-13 18:58:40

0.00

25

卡卡卡布奇诺

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-10-29 17:00:52

0.00

26

ssatcc

batch数据为64,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-10-30 20:24:19

0.00

27

雷诺西风

batch数据为512,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-11-07 20:59:27

0.00

28

爱哭的冰激凌

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-11-30 22:15:47

0.00

29

Hug蜗牛

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-12-03 10:48:59

0.00

30

wemystic

batch数据为8,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为0.00。

2019-12-30 21:25:39

0.00

31

有丶闲情逸致

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2020-02-01 19:10:48

0.00

32

FFTW

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2020-02-28 19:14:28

0.00

33

女巫在说谎

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2020-02-29 21:00:40

0.00

34

刘郎已恨蓬山远

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2020-03-31 15:50:29

0.00

35

杨泽鹏

batch数据为32,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2020-07-07 22:19:37

0.00

36

Heloooo

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.00。

2021-05-13 14:24:04

0.00

2019-05-13
交差墒

模型得分为100,本次获得实时奖励奖金为35

2019-05-13 10:55:32

交差墒

模型得分为99.55,本次获得实时奖励奖金为975

2019-05-13 10:55:29

2019-03-26
好好学习

模型得分为77.23,本次获得实时奖励奖金为10

2019-03-26 00:40:17

2019-03-23
篠筱筱

模型得分为22.77,本次获得实时奖励奖金为10

2019-03-23 21:35:55

2019-03-23
李小白

模型得分为77.23,本次获得实时奖励奖金为10

2019-03-23 00:42:50

2019-03-20
.co

模型得分为77.23,本次获得实时奖励奖金为10

2019-03-20 22:47:35

梯度下降

模型得分为82.59,本次获得实时奖励奖金为10

2019-03-20 21:43:40

2019-03-19
Jiery

模型得分为77.23,本次获得实时奖励奖金为10

2019-03-19 15:01:30

讨论
500字
表情
发送
删除确认
是否删除该条评论?
取消 删除
$vue{item.user_name}

$vue{item.title} $vue{item.title}

$vue{items}
$vue{item.like_count}
$vue{item.comment_counts}
$vue{item.comment_counts}
阅读 $vue{item.views}

这里还没有内容哦

挑战者大赛 官方交流群

我的记录

你还没有任何提交记录喔...

  • 参赛流程
  • 常见问题

第一步:参赛选手从FlyAI官网选择比赛报名,需下载样例代码

下载的项目中不包含数据集,运行main.py会自动下载调试数据集

本地调试根据不同数据集会提供10%~100%数据,全量数据提交到GPU后会自动更新替换

下载样例代码,解压后在样例代码上编写自己的模型代码,压缩后再在上传代码位置进行上传,就可以查看自己得分。

第二步:本地代码调试

本地配置Python3.5以上的运行环境,并安装项目运行所需的Python依赖包 app.json是项目的配置文件

在main.py中编写神经网络,没有框架限制

在prediction.py测试模型是否评估成功

main.py中需在class Main(FlyAI) 类中实现自己的训练过程

第三步:提交到GPU训练,保存模型

本地调试完成之后,提交代码到GPU,在全量数据上训练模型,保存最优模型。

提交GPU的方式有:网站在线提交。

第四步:评估模型,获取奖金,实时提现

GPU训练完成后,会调用prediction.py中的predict方法进行评估,并给出最后得分

高分的参赛选手,可实时获取奖金,通过微信提现

Q:如何获得奖金?

A:超过项目设置的最低分,根据公式计算,就可以获得奖金。

Q:比赛使用什么框架?

A:比赛支持常用的机器学习和深度学习框架,比如TensorFlow,PyTorch,Keras,Scikit-learn等。

Q:怎么参加比赛,需不需要提交csv文件?

A:FlyAI竞赛平台无需提交csv文件,在网页上点击报名,下载项目,使用你熟练的框架,修改main.py中的网络结构和数据处理,在prediction.py中进行加载模型及预测。将代码文件压缩为.zip格式,文件大小不超过10M,之后在网站进行在线提交就可以了。

Q:比赛排行榜分数怎么得到的?

A:参加项目竞赛必须实现 prediction.py 中的predict方法。调用模型得出评分。

Q:平台机器什么配置?

A:目前每个训练独占一块V100显卡,显存10G。

Q:本地数据集在哪?

A:可以本地使用ide运行 main.py 下载数据。

Q:FAI训练积分不够用怎么办?

A:目前GPU免费使用,可以进入到:我的积分,通过签到和分享等途径获得大量积分。

Q:离线训练代码不符合规范问题?

A:main.py中可以使用args.EPOCHS和args.BATCH。