升级版MNIST手写数字识别练习赛

分享给好友

2019-01-01 00:00:00
开始提交

2019-01-31 00:00:00
最终提交结束

自由训练

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
  • 自由练习榜单
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。 它是由Zalando(一家德国的时尚科技公司)旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分,28x28的灰度图片。

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

FashionMNIST

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
image_path string 不为空 图片的相对路径
name int 不为空 图片上对应的服装
label float 大于等于 0, 小于等于 9 图片的标注标签

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:
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

cnn

大神经验
batch数据为100,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92.64。

2019-06-18 15:40:41

大神经验
第三名

大佬们带带我

大神经验
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92.36。

2019-06-21 20:39:58

大神经验
第三名

sw2009

大神经验
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91.94。

2019-05-25 10:39:33

大神经验
4

脸红的思春期

大神经验
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90.89。

2019-07-10 12:18:18

大神经验
5

y轴

大神经验
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90.68。

2019-06-09 12:54:35

大神经验
6

火炎焱燚

大神经验
batch数据为32,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90.63。

2019-04-15 13:07:27

大神经验
7

kongd

大神经验
batch数据为64,循环次数为9000次,通过在线上环境完成训练,模型最优精度评分为90.16。

2019-04-02 23:31:35

10.00

大神经验
8

Winteriscoming

暂未公开
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89.89。

2019-04-02 21:59:51

10.00

暂未公开
9

anticlockwise

暂未公开
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89.06。

2019-08-06 21:35:35

暂未公开
10

LALALALALALA

暂未公开
batch数据为32,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为88.90。

2019-03-29 23:23:51

10.00

暂未公开
11

fly

暂未公开
batch数据为50,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为88.68。

2019-03-19 11:18:32

10.00

暂未公开
12

亚豪

暂未公开
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88.50。

2019-05-26 14:27:20

暂未公开
13

YyyY

暂未公开
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88.05。

2019-05-12 18:05:10

暂未公开
14

hahlw

暂未公开
batch数据为100,循环次数为64次,通过在线上环境完成训练,模型最优精度评分为87.97。

2019-06-21 17:16:45

暂未公开
15

Blueyee

暂未公开
batch数据为64,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87.49。

2019-06-06 12:11:17

暂未公开
16

暂未公开
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85.99。

2019-07-08 17:08:29

暂未公开
17

DDBG

暂未公开
batch数据为128,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为85.94。

2019-03-19 17:30:08

10.00

暂未公开
18

做自己的唯一

暂未公开
batch数据为32,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85.69。

2019-08-01 20:22:56

暂未公开
19

凡士林

暂未公开
batch数据为32,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85.04。

2019-03-18 13:35:41

10.00

暂未公开
20

Hnecl

暂未公开
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84.55。

2019-03-26 13:20:01

10.00

暂未公开
21

笑尘

暂未公开
batch数据为256,循环次数为400次,通过在线上环境完成训练,模型最优精度评分为84.18。

2019-03-18 22:04:45

暂未公开
22

春眠不觉晓

暂未公开
batch数据为500,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84.16。

2019-07-13 10:48:22

暂未公开
23

你猜猜我是谁

暂未公开
batch数据为50,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79.01。

2019-03-19 16:15:59

暂未公开
24

ChangeBio

暂未公开
batch数据为32,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78.08。

PyTorch

DenseNet121

2019-04-26 23:15:35

暂未公开
25

风雨兼程

暂未公开
batch数据为32,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77.01。

2019-03-17 19:53:42

10.00

暂未公开
26

ON-looker

暂未公开
batch数据为10,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75.97。

2019-06-12 20:12:36

暂未公开
27

第五轻柔

暂未公开
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68.77。

2019-07-22 17:55:02

暂未公开
28

五月^V^

暂未公开
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58.15。

2019-04-02 10:16:17

10.00

暂未公开
29

matthew

暂未公开
batch数据为256,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52.76。

2019-03-27 22:30:29

10.00

暂未公开
30

天天向上

暂未公开
batch数据为64,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为44.66。

2019-03-30 20:41:05

10.00

暂未公开
31

木木

暂未公开
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42.91。

2019-03-16 22:00:11

10.00

暂未公开
32

就是很任性

暂未公开
batch数据为32,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35.27。

2019-03-30 16:26:07

10.00

暂未公开
33

海夜

暂未公开
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31.64。

2019-03-17 15:18:00

暂未公开
第一名
仰天笑 2020-10-19 16:36:12
2020-10-19 16:36:12
92.67
第二名
chenfengshf 2019-08-31 13:13:12
2019-08-31 13:13:12
92.59
第三名
Eloise 2020-04-11 10:45:29
2020-04-11 10:45:29
92.54
4
AHU张雨 2020-06-06 10:23:59
2020-06-06 10:23:59
92.16
5
超人二号 2019-08-12 21:51:59
2019-08-12 21:51:59
91.82
6
流年相摧 2019-10-21 21:24:09
2019-10-21 21:24:09
91.76
7
路人甲 2020-02-21 21:25:29
2020-02-21 21:25:29
91.46
8
xxxx 2019-08-17 03:03:44
2019-08-17 03:03:44
91.26
9
skyfish 2019-09-03 10:09:57
2019-09-03 10:09:57
90.6
10
啤酒饮料矿泉水花生瓜子八宝粥 2019-11-20 20:30:08
2019-11-20 20:30:08
90.36
11
Tchao 2019-09-12 04:27:55
2019-09-12 04:27:55
90.01
12
呜啦啦啦 2019-08-10 08:43:13
2019-08-10 08:43:13
89.85
13
赖子 2019-10-24 12:09:23
2019-10-24 12:09:23
88.96
14
Bright 2019-09-02 16:27:23
2019-09-02 16:27:23
88.66
15
无情书生 2021-05-08 20:39:04
2021-05-08 20:39:04
88.44
16
2020-10-23 21:50:31
2020-10-23 21:50:31
88.17
17
韩天啸 2020-06-01 22:45:44
2020-06-01 22:45:44
88.14
18
likeBBBrest 2019-09-23 17:57:36
2019-09-23 17:57:36
87.86
19
不只是大叔 2021-01-07 16:24:14
2021-01-07 16:24:14
87.76
20
zyl1602322596 2020-10-10 22:19:34
2020-10-10 22:19:34
87.54
21
Tk more tk less 2019-08-23 11:15:24
2019-08-23 11:15:24
87.25
22
zozo 2019-11-13 12:45:12
2019-11-13 12:45:12
86.86
23
newboy112233 2020-03-18 18:36:12
2020-03-18 18:36:12
86.28
24
Feng1583890403 2020-05-04 00:07:35
2020-05-04 00:07:35
85.78
25
flyai会员1611731288 2021-01-27 18:29:20
2021-01-27 18:29:20
85.74
26
嘻嘻嘻哈哈 2019-10-31 03:18:31
2019-10-31 03:18:31
85.64
27
MST 2019-12-05 19:10:57
2019-12-05 19:10:57
85.16
28
niu 2019-11-05 15:04:16
2019-11-05 15:04:16
84.54
29
dx9527 2019-08-09 11:09:08
2019-08-09 11:09:08
84.24
30
大山1563190752 2020-02-18 10:46:12
2020-02-18 10:46:12
83.42
31
ahaaaa 2019-08-30 17:52:35
2019-08-30 17:52:35
82.39
32
Edward1585020154 2020-03-27 14:30:59
2020-03-27 14:30:59
81.85
33
gege 2019-08-23 12:39:25
2019-08-23 12:39:25
78.89
34
xphan 2021-03-01 17:20:47
2021-03-01 17:20:47
72.17
35
五个橘子。 2019-08-13 12:49:53
2019-08-13 12:49:53
62.43
36
仗剑天涯1567763458 2020-07-30 18:37:12
2020-07-30 18:37:12
53.31
37
...1621060433 2021-05-15 16:06:54
2021-05-15 16:06:54
52.92
38
々烟尽あ浮华々 2020-02-23 00:00:43
2020-02-23 00:00:43
49.97
39
fong 2019-08-23 00:22:21
2019-08-23 00:22:21
45.52
40
叶骞 2019-12-05 22:14:40
2019-12-05 22:14:40
42.91
41
Jelly1567735657 2019-12-25 11:30:29
2019-12-25 11:30:29
42.91
42
gczyjbr 2019-12-31 19:51:26
2019-12-31 19:51:26
42.91
43
Z.Y.Wei 2020-01-02 19:55:02
2020-01-02 19:55:02
42.91
44
变向怪杰 2020-02-27 16:50:48
2020-02-27 16:50:48
42.91
45
WhiteCrow5 2020-03-16 13:18:14
2020-03-16 13:18:14
42.91
46
鲨鱼辣椒 2020-03-26 21:27:06
2020-03-26 21:27:06
42.91
47
郭格 2020-05-28 16:56:57
2020-05-28 16:56:57
42.91
48
逍遥1588061415 2020-06-03 15:14:13
2020-06-03 15:14:13
42.91
49
Honay, King 2020-06-08 11:07:48
2020-06-08 11:07:48
42.91
50
flyai会员1591534183 2020-06-08 11:41:39
2020-06-08 11:41:39
42.91
51
zyz1593329575 2020-06-28 21:43:39
2020-06-28 21:43:39
42.91
52
陨星落云 2020-07-16 22:18:23
2020-07-16 22:18:23
42.91
53
QZQ 2020-09-24 21:44:46
2020-09-24 21:44:46
42.91
54
归长安丿 2020-10-15 16:15:18
2020-10-15 16:15:18
42.91
55
flyai会员1603524621 2020-11-01 11:37:21
2020-11-01 11:37:21
42.91
56
大勇 2020-11-01 23:13:34
2020-11-01 23:13:34
42.91
57
Y WEI 2020-11-14 15:27:30
2020-11-14 15:27:30
42.91
58
你是魔鬼吗 2020-11-28 21:02:42
2020-11-28 21:02:42
42.91
59
沉醉AI~无法自拔 2020-12-15 13:24:32
2020-12-15 13:24:32
42.91
60
flyai会员1608987861 2020-12-28 20:54:09
2020-12-28 20:54:09
42.91
61
4.2 2020-12-29 16:53:06
2020-12-29 16:53:06
42.91
62
flyai会员1614238460 2021-02-25 18:27:20
2021-02-25 18:27:20
42.91
63
Maxwell532 2021-03-24 14:36:27
2021-03-24 14:36:27
42.91
64
石驰宇 2021-04-05 03:58:41
2021-04-05 03:58:41
42.91
65
together 2021-04-25 20:37:09
2021-04-25 20:37:09
42.91
66
士心示羊 2021-06-10 15:34:14
2021-06-10 15:34:14
42.91
67
牛攵方攵 2021-07-18 18:00:32
2021-07-18 18:00:32
42.91
68
flyai会员1631100120 2021-10-15 11:05:32
2021-10-15 11:05:32
42.91
69
天寒梦泽深 2021-10-28 16:06:58
2021-10-28 16:06:58
42.91
70
亮哥 2021-11-19 16:27:46
2021-11-19 16:27:46
42.91
71
。。。zjl 2019-08-14 20:05:53
2019-08-14 20:05:53
36.74
72
0o0 2019-08-17 09:57:23
2019-08-17 09:57:23
29.82
73
tzone 2019-08-17 13:24:41
2019-08-17 13:24:41
29.82
74
立交桥 2019-08-19 19:31:31
2019-08-19 19:31:31
29.82
75
Simon1566224789 2019-08-19 22:38:13
2019-08-19 22:38:13
29.82
76
田心在路上 2019-08-28 16:53:53
2019-08-28 16:53:53
29.82
77
Zuolong 2019-09-01 13:43:44
2019-09-01 13:43:44
29.82
78
Mengcius 2019-09-04 09:08:34
2019-09-04 09:08:34
29.82
79
Start 2019-09-04 20:09:59
2019-09-04 20:09:59
29.82
80
111 2019-09-07 20:34:09
2019-09-07 20:34:09
29.82
81
张宗宇 2019-09-09 11:24:59
2019-09-09 11:24:59
29.82
82
莫君生 2019-09-10 09:44:10
2019-09-10 09:44:10
29.82
83
钱晋 2019-09-26 23:45:33
2019-09-26 23:45:33
29.82
84
田纳尔多1556887204 2019-10-02 14:34:57
2019-10-02 14:34:57
29.82
85
罗志鹏1570462175 2019-10-07 23:37:28
2019-10-07 23:37:28
29.82
86
tartarus 2019-10-13 18:51:47
2019-10-13 18:51:47
29.82
87
五岳风@2016 2019-10-14 22:53:08
2019-10-14 22:53:08
29.82
88
宇1572748632 2019-11-03 13:32:19
2019-11-03 13:32:19
29.82
89
b6462 2019-11-13 16:10:05
2019-11-13 16:10:05
29.82
90
Boyce Avenue 2019-11-14 23:59:22
2019-11-14 23:59:22
29.82
91
章鑫 2019-11-15 10:27:58
2019-11-15 10:27:58
29.82
92
小晓陈 2019-08-18 22:02:42
2019-08-18 22:02:42
18.11
93
努力学习 2019-08-14 23:40:49
2019-08-14 23:40:49
14.11
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