今日头条新闻分类

分享给好友

2019-04-30 15:00:00
开始提交

2019-05-30 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 1,290
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

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

今日头条中文新闻(文本)分类数据集由今日头条客户端提供,共计382688条数据,15个分类。

分类code:民生/文化/娱乐/体育/财经/房产/汽车/教育/科技/军事/旅游/国际/证券/农业/电竞

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

  • 方式一:
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二:
  • 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,在本地进行代码调试的教程请查看[文档中心]

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)
参与奖(总奖金30%) 所有人 不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
不同框架奖励 所有人 获得60FAI币用于GPU训练资源消耗

赛事主题和数据说明

赛题描述

通过实现算法并提交训练,获取奖金池奖金。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

TouTiaoNews

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,可通过使用本地调试的方式获取调试数据集。本地调试和提交指南请查看[文档中心]

字段说明:

文件名 字段名称 字段类型 备注
id int 不为空 类别序号
category string 不为空 新闻类别
news string 不为空 新闻标题
keywords string 不为空 新闻关键字

参考文献:

[1]toutiao-text-classfication

评审标准

算法输入输出格式

输入字段: news,

输出字段: category,

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 90分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

chenfengshf

14.00

batch数据为32,循环次数为3次,通过在线上环境完成训练,模型最优精度评分为91.65。

paddlepaddle

ernie

2019-12-08 22:26:15

14.00

91.65

第三名

Suz.

1.75

batch数据为64,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为91.15。

2019-11-20 18:30:36

1.75

91.15

第三名

NLP-Learner

690.00

batch数据为1024,循环次数为1200次,通过在线上环境完成训练,模型最优精度评分为90.75。

2019-05-27 15:19:51

690.00

90.75

4

弱鸡瑟瑟发抖

batch数据为640,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90.65。

2020-01-26 14:39:22

90.65

5

WYT1574240914

batch数据为256,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为90.55。

2019-11-20 18:26:08

90.55

6

雨然

batch数据为128,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为90.35。

2019-11-20 15:46:48

90.35

7

未名湖畔的落叶

3.00

batch数据为64,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为90.15。

2019-06-29 00:22:51

3.00

90.15

8

小小谭宝

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89.90。

2019-11-20 15:42:19

89.90

9

flyai会员1578819401

batch数据为128,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89.75。

2020-02-09 16:49:28

89.75

10

麦小杨

batch数据为128,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89.70。

2019-06-11 17:10:51

89.70

11

菜菜来了

batch数据为1024,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89.55。

2019-05-01 18:26:52

89.55

12

TaihuiWu

batch数据为64,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为89.50。

2019-11-20 16:52:16

89.50

13

流浪的星星

batch数据为1024,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为88.90。

2019-05-15 00:20:58

88.90

14

鸡毛飞上天

batch数据为512,循环次数为3次,通过在线上环境完成训练,模型最优精度评分为88.90。

2020-01-10 22:53:03

88.90

15

tr

batch数据为1024,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88.85。

2019-11-15 01:12:45

88.85

16

trickornot

batch数据为1024,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88.65。

2019-05-28 02:31:07

88.65

17

Ricardo_He

batch数据为1024,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为88.50。

2020-03-19 10:56:59

88.50

18

Hebe Bryant

batch数据为128,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88.45。

2019-09-20 01:30:38

88.45

19

sixgod

batch数据为512,循环次数为2019次,通过在线上环境完成训练,模型最优精度评分为88.35。

2019-05-21 04:49:24

88.35

20

gboy

batch数据为1024,循环次数为1500次,通过在线上环境完成训练,模型最优精度评分为88.10。

2019-05-30 18:51:19

88.10

21

LUFFY

batch数据为1024,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87.70。

2019-05-21 11:00:28

87.70

22

jamiesona

batch数据为500,循环次数为3次,通过在线上环境完成训练,模型最优精度评分为87.70。

2020-03-30 15:52:47

87.70

23

trick_or_treat

batch数据为512,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87.55。

2019-04-30 20:18:42

87.55

24

fming

batch数据为1024,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87.40。

2020-01-29 02:21:01

87.40

25

某某

batch数据为512,循环次数为1024次,通过在线上环境完成训练,模型最优精度评分为87.35。

2019-06-25 17:06:59

87.35

26

Jia

batch数据为512,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87.20。

2019-05-08 18:39:27

87.20

27

ALBERT_CTC

batch数据为1024,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87.20。

2019-05-19 03:54:37

87.20

28

梅三哥的柯基

batch数据为128,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为87.20。

2019-05-20 12:53:38

87.20

29

EmpEror

batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为86.95。

2019-11-17 13:33:54

86.95

30

song_song

batch数据为1024,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为86.80。

2019-05-02 11:29:54

86.80

31

C

batch数据为1024,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为86.35。

2019-05-21 04:02:21

86.35

32

夏了南城

batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为86.15。

2019-11-19 10:26:39

86.15

33

如我

batch数据为128,循环次数为2400次,通过在线上环境完成训练,模型最优精度评分为86.10。

2019-11-19 04:33:29

86.10

34

练字不能停

batch数据为1024,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为86.05。

2019-05-28 00:17:50

86.05

35

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85.90。

2019-05-04 09:30:23

85.90

36

吴小宇623888

batch数据为300,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85.85。

2019-05-14 11:07:50

85.85

37

austinyan

batch数据为1024,循环次数为3500次,通过在线上环境完成训练,模型最优精度评分为85.80。

2019-05-16 06:32:37

85.80

38

==

batch数据为64,循环次数为35次,通过在线上环境完成训练,模型最优精度评分为85.65。

2019-11-15 19:28:03

85.65

39

flyai会员1577688705

batch数据为32,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85.50。

2020-01-03 12:03:45

85.50

40

xeoner

batch数据为512,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85.00。

2019-05-12 18:01:14

85.00

41

Susie周

batch数据为128,循环次数为2600次,通过在线上环境完成训练,模型最优精度评分为84.90。

2019-11-19 05:46:29

84.90

42

Songsong

batch数据为512,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84.85。

2019-05-01 01:34:14

84.85

43

AlphaU

batch数据为1024,循环次数为512次,通过在线上环境完成训练,模型最优精度评分为84.75。

2019-11-04 23:03:27

84.75

44

我的爱人她叫九儿

batch数据为1024,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84.65。

2019-07-12 20:53:31

84.65

45

kongd

batch数据为64,循环次数为2018次,通过在线上环境完成训练,模型最优精度评分为84.55。

2019-04-30 22:14:18

84.55

46

鹦武鸟

batch数据为512,循环次数为2018次,通过在线上环境完成训练,模型最优精度评分为84.45。

2019-05-27 23:48:26

84.45

47

ying.huan

batch数据为1024,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为83.40。

2019-06-06 07:36:23

83.40

48

知来者之可追

batch数据为512,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83.30。

2019-09-30 03:06:12

83.30

49

‭九件

batch数据为1024,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82.60。

TensorFlow

Transformer

2020-03-18 23:07:38

82.60

50

不是树

batch数据为512,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82.35。

2019-05-08 16:40:38

82.35

51

yunhaiyidao

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82.26。

2019-08-05 20:15:30

82.26

52

.IC

batch数据为500,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82.26。

2019-08-18 21:46:12

82.26

53

固溶体

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82.26。

2019-08-20 10:02:19

82.26

54

shikanon

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82.26。

2019-08-23 00:11:33

82.26

55

RT

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82.26。

2019-08-27 17:45:09

82.26

56

x

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82.26。

2019-09-03 15:48:26

82.26

57

idleuncle

batch数据为128,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82.26。

2019-09-18 13:07:52

82.26

58

雾雨荷塘

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82.26。

2019-10-10 20:03:45

82.26

59

汪锋不是汪峰

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82.26。

2019-11-09 10:15:08

82.26

60

qianrong0709

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82.26。

2019-11-12 20:55:18

82.26

61

MMF

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82.26。

2019-11-14 08:46:07

82.26

62

望仔

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82.26。

2019-11-14 15:22:30

82.26

63

梦中那月儿照我心扉。

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82.26。

2019-11-14 21:12:43

82.26

64

sishiwu

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82.26。

2019-11-15 00:15:38

82.26

65

追梦人

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82.26。

2019-11-15 10:06:33

82.26

66

Honay, King

batch数据为64,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为82.26。

2019-11-18 11:42:41

82.26

67

树泉

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82.26。

2019-11-18 14:26:08

82.26

68

Longines

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82.26。

2019-11-18 17:05:46

82.26

69

xsh

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82.26。

2019-11-21 09:16:52

82.26

70

kekeke

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82.26。

2019-11-26 20:00:25

82.26

71

sportzhang

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82.26。

2019-11-28 15:33:25

82.26

72

【Y_H】

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82.26。

2019-12-16 17:26:21

82.26

73

flyai会员1576725020

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82.26。

2019-12-19 11:11:57

82.26

74

Honour荣麒

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82.26。

2019-12-26 13:28:38

82.26

75

瘋子

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82.26。

2019-12-26 17:17:45

82.26

76

Délivrer

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82.26。

2020-01-08 16:12:45

82.26

77

左撇子

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82.26。

2020-01-08 23:51:21

82.26

78

杨润泽

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82.26。

2020-01-10 15:12:40

82.26

79

 北纬23° 

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82.26。

2020-01-20 10:39:34

82.26

80

flyai会员1578370266

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82.26。

2020-01-23 16:45:09

82.26

81

pika

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82.26。

2020-01-26 17:32:05

82.26

82

GoodboyQAQ

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82.26。

2020-02-27 16:10:54

82.26

83

heihei

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82.26。

2020-03-13 23:07:59

82.26

84

kaifen

batch数据为64,循环次数为3次,通过在线上环境完成训练,模型最优精度评分为82.26。

2020-03-14 22:45:11

82.26

85

一一1584499091

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82.26。

2020-03-18 21:48:07

82.26

86

yanJ

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82.26。

2020-03-20 16:02:19

82.26

87

Flipped1585133023

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82.26。

2020-03-27 23:09:05

82.26

88

wmqian

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82.26。

2020-04-02 21:34:43

82.26

89

疯狂的大笨蛋

batch数据为32,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82.26。

2020-05-03 16:46:39

82.26

90

……皑

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82.26。

2020-05-08 10:04:32

82.26

91

flyai会员1587562812

batch数据为64,循环次数为15次,通过在线上环境完成训练,模型最优精度评分为82.26。

2020-06-07 15:18:56

82.26

92

AI_learner

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82.26。

2020-07-15 10:32:47

82.26

93

hjc

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82.26。

2020-08-06 14:23:00

82.26

94

刘建辉

batch数据为64,循环次数为3次,通过在线上环境完成训练,模型最优精度评分为82.26。

2020-11-18 20:13:33

82.26

95

flyai会员1606220680

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82.26。

2020-11-24 20:26:54

82.26

96

坎七饼

batch数据为64,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为82.26。

2021-02-20 15:37:15

82.26

97

沉默是金--

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82.26。

2021-05-10 16:15:32

82.26

98

qqm

batch数据为128,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81.90。

2019-05-03 14:01:38

81.90

99

大马哈

batch数据为36,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81.25。

2019-11-19 03:07:11

81.25

100

阿姆斯特朗回旋加速喷气炮

batch数据为32,循环次数为90次,通过在线上环境完成训练,模型最优精度评分为80.80。

2019-11-19 02:47:01

80.80

101

zhiduanqingchang

batch数据为128,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为80.35。

2019-05-02 06:01:42

80.35

102

Hallo

batch数据为128,循环次数为1111次,通过在线上环境完成训练,模型最优精度评分为80.20。

2019-05-11 13:58:14

80.20

103

我爱吃西瓜

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78.90。

2019-05-13 16:04:51

78.90

104

杨六金

batch数据为512,循环次数为3500次,通过在线上环境完成训练,模型最优精度评分为78.40。

2019-05-15 18:46:46

78.40

105

ZLY1568894246

batch数据为32,循环次数为70次,通过在线上环境完成训练,模型最优精度评分为77.20。

2019-11-19 02:22:05

77.20

106

李宇童

batch数据为32,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为69.95。

2019-11-19 02:06:57

69.95

107

流云

batch数据为32,循环次数为60次,通过在线上环境完成训练,模型最优精度评分为69.50。

2019-11-19 01:18:02

69.50

108

DrLauPen

batch数据为1024,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62.65。

2019-10-06 21:27:51

62.65

109

毓华

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34.50。

2019-11-19 00:40:11

34.50

110

oakoxy

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34.35。

2019-05-05 16:04:18

34.35

111

汤州林

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33.35。

2019-06-13 14:16:53

33.35

112

ai_ai

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27.95。

2019-05-06 01:46:15

27.95

113

GARRETT

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24.15。

2019-05-08 19:22:36

24.15

114

夜雨声烦123

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17.55。

2019-11-18 23:49:56

17.55

115

妖咪

batch数据为40,循环次数为6次,通过在线上环境完成训练,模型最优精度评分为15.70。

2019-11-19 11:09:34

15.70

116

我要学习

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10.45。

2019-11-19 11:02:38

10.45

117

qiwihui

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10.15。

2019-08-20 16:29:46

10.15

118

tik_boa

batch数据为512,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为7.70。

2019-05-01 19:00:12

7.70

119

凌霄@文强

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7.10。

2019-05-07 18:23:43

7.10

2019-12-09
chenfengshf

模型得分为91.65,本次获得实时奖励奖金为8

2019-12-09 17:19:26

2019-11-21
Suz.

模型得分为91.15,本次获得实时奖励奖金为1.75

2019-11-21 10:45:04

2019-10-06
chenfengshf

模型得分为91.1,本次获得实时奖励奖金为6

2019-10-06 21:29:11

chenfengshf

模型得分为90,本次获得实时奖励奖金为1.5

2019-10-06 21:28:51

2019-07-01
未名湖畔的落叶

模型得分为90.15,本次获得实时奖励奖金为3

2019-07-01 11:19:57

2019-06-06
NLP-Learner

模型得分为90.75,本次获得排名奖奖金为250

2019-06-06 15:00:03

2019-05-30
NLP-Learner

模型得分为90.75,本次获得排名奖奖金为250

2019-05-30 15:00:02

2019-05-28
NLP-Learner

模型得分为90.75,本次获得实时奖励奖金为190

2019-05-28 13:52:35

讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
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...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux

1.进入代码编辑页下载当前代码

2.本地解压缩代码包文件,双击执行 flyai.exe 程序

第一次使用需要使用微信扫码登录 杀毒软件可能会误报,点击信任该程序即可

3.开启 FlyAI-Jupyter 代码调试环境

运行flyai.exe程序,点击"使用jupyter调试"按钮自动打开jupyter lab 操作界面

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

4.下载本地测试数据

运行flyai.exe程序,点击"下载数据"按钮,程序会下载100条调试数据

5.提交训练到GPU

运行flyai.exe程序,点击"提交GPU训练"按钮,代码将自动提交到云端GPU进行训练

返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.打开运行,输入cmd,打开终端

Win+R 输入 cmd

3.使用终端进入到项目的根目录下

cd path\to\project

4.开启 FlyAI-Jupyter 代码调试环境

在终端执行命令 flyai.exe ide 打开调试环境(第一次使用需要使用微信扫码登录)

操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !flyai.exe train 将代码提交到云端GPU免费训练

返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

flyai.exe path=xxx 可以设置自己的Python路径

flyai.exe path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.使用终端进入到项目的根目录下

cd path\to\project

3.初始化环境登录

使用如下命令授权 flyai 脚本: chmod +x ./flyai

4.开启 Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境(第一次使用需要使用微信扫码登录) 操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

或使用终端

执行下列命令本地安装环境并调试

./flyai test 注意:如果出现 permission denied 错误,需使用sudo运行

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

执行test命令,会自动下载100条测试数据到项目下

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !./flyai train 将代码提交到云端GPU免费训练 返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

或者在终端下使用 ./flyai train -b=32 -e=10

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

./flyai path=xxx 可以设置自己的Python路径

./flyai path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心