细胞图像分类-疟疾病诊断

分享给好友

2019-05-15 15:00:00
开始提交

2019-06-14 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 228
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

通过检测包含疟疾的图像细胞帮助医生尽早确诊疟疾病患者并及时进行治疗。该数据集包含两个文件:感染/未感染,共有27,588张图片。

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

MalariaCellImages

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 file_path 不为空 图片的相对路径
label int 大于等于 0, 小于等于 1 图片的标注标签

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

  • 精确率(Precision,简称为P):正确预测为正的占全部预测为正的比例
  • 召回率(Recall,简称为R):正确预测为正的占全部实际为正的比例
  • F1-Score 是精确率和召回率的一种加权平均,它的最大值为1,最小值为0
  • 计算公式如下:
  • 评审计算公式

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

汐炎

776.06

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97.61。

2019-05-16 04:33:02

776.06

97.61

第三名

交差墒

471.03

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97.50。

2019-05-16 23:04:25

471.03

97.50

第三名

丶人狠话不多

303.52

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97.48。

2019-05-16 06:06:15

303.52

97.48

4

gboy

533.00

batch数据为120,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97.33。

2019-06-14 04:06:38

533.00

97.33

5

加勒比

30.38

batch数据为167,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97.22。

2019-05-22 02:10:34

30.38

97.22

6

trickornot

32.13

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97.22。

2019-06-02 16:38:45

32.13

97.22

7

大木淡漠

batch数据为248,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97.13。

2019-06-11 08:16:16

97.13

8

jianbin.xu

batch数据为64,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97.06。

2019-05-21 02:07:53

97.06

9

no-free-lunch

batch数据为128,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96.95。

2019-05-23 20:42:54

96.95

10

快来追我呀

batch数据为120,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96.95。

2019-06-15 12:22:02

96.95

11

赵磊

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96.53。

2019-05-22 14:47:53

96.53

12

Micoon

168.75

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96.44。

2019-05-15 17:32:02

168.75

96.44

13

trick_or_treat

1.76

batch数据为64,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96.28。

2019-05-16 10:50:56

1.76

96.28

14

ChangeBio

14.06

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96.24。

2019-05-16 09:02:46

14.06

96.24

15

唱跳RAP打篮球

batch数据为128,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96.14。

2019-05-18 10:04:27

96.14

16

Winteriscoming

7.03

batch数据为512,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95.75。

2019-05-15 22:22:07

7.03

95.75

17

chyang

16.88

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95.61。

2019-05-26 00:08:39

16.88

95.61

18

火炎焱燚

203.96

batch数据为64,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95.43。

2019-05-24 16:44:35

203.96

95.43

19

fsencen

1.76

batch数据为128,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95.15。

2019-05-17 04:40:17

1.76

95.15

20

希布

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94.99。

2019-11-12 16:33:44

94.99

21

诗人藏夜里

batch数据为32,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94.94。

2020-01-06 01:37:19

94.94

22

领衔主演

batch数据为128,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94.70。

2019-11-03 13:43:58

94.70

23

宇宙

batch数据为128,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94.65。

2019-05-24 17:01:12

94.65

24

是阿正

batch数据为24,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94.25。

2020-12-19 20:19:38

94.25

25

clare

56.25

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93.78。

2019-05-15 17:29:58

56.25

93.78

26

阿正

batch数据为24,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93.72。

2020-12-16 21:06:22

93.72

27

who

batch数据为64,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93.16。

2019-08-11 16:23:15

93.16

28

lyming

76.50

batch数据为64,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91.41。

2019-05-16 07:03:54

76.50

91.41

29

batter

2.11

batch数据为64,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90.82。

2019-05-20 11:17:13

2.11

90.82

30

markov_future

1.05

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89.44。

2019-05-23 14:40:06

1.05

89.44

31

Teenage Dream

4.22

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88.88。

2019-05-16 17:56:10

4.22

88.88

32

天天向上

33.75

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88.68。

2019-05-15 21:10:30

33.75

88.68

33

mki

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88.55。

2019-10-19 13:07:27

88.55

34

Amadeus

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87.98。

2019-05-25 09:08:47

87.98

35

娜乌穸卡

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87.90。

2020-03-05 14:09:49

87.90

36

.1557300289

batch数据为64,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87.88。

2019-05-22 18:04:52

87.88

37

Miracle_

batch数据为512,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87.86。

2019-12-26 18:21:25

87.86

38

begins

9.00

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87.82。

2019-05-15 21:11:04

9.00

87.82

39

Bluove

batch数据为128,循环次数为6000次,通过在线上环境完成训练,模型最优精度评分为87.32。

2019-05-17 04:12:09

87.32

40

阿虚

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87.30。

2019-10-26 18:22:05

87.30

41

Jason4521

4.50

batch数据为128,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86.82。

2019-05-15 22:03:26

4.50

86.82

42

杨杨杨

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86.71。

2019-08-06 09:20:21

86.71

43

默语之声

batch数据为500,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86.55。

2019-08-05 11:03:16

86.55

44

代码搬运工

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86.36。

2019-07-11 11:06:58

86.36

45

枫1559979219

batch数据为16,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86.14。

2019-06-10 10:38:18

86.14

46

Joshua

18.00

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85.83。

2019-05-15 17:42:09

18.00

85.83

47

闻剑船书铸扌

1.13

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85.28。

2019-05-16 18:21:24

1.13

85.28

48

flyai会员1585290866

batch数据为128,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85.06。

2020-04-20 13:49:29

85.06

49

poplar

2.25

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84.52。

2019-05-16 04:43:44

2.25

84.52

50

xinlofi

1.13

batch数据为256,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83.94。

2019-05-15 20:59:27

1.13

83.94

51

江枫渔火

4.50

batch数据为16,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83.73。

2019-05-15 20:25:41

4.50

83.73

52

曾许诺

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82.58。

2019-05-18 12:22:14

82.58

53

桂ly

batch数据为64,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82.55。

2019-05-15 21:12:15

82.55

54

Zyt

batch数据为64,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82.27。

2019-05-16 00:28:31

82.27

55

PPdog

batch数据为32,循环次数为128次,通过在线上环境完成训练,模型最优精度评分为82.21。

Keras

ResNet-50

2019-09-19 17:49:17

82.21

56

凉凉凉啊

batch数据为32,循环次数为8000次,通过在线上环境完成训练,模型最优精度评分为79.30。

2019-07-06 13:13:54

79.30

57

uuuuu

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58.96。

2019-05-16 14:18:40

58.96

58

binghang

batch数据为32,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51.16。

2019-05-17 21:43:51

51.16

59

kongd

batch数据为64,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40.93。

2019-05-16 07:09:01

40.93

60

cnn

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34.59。

2019-10-09 15:11:44

34.59

61

风逸

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34.22。

2019-05-15 21:35:09

34.22

62

前排板凳瓜子

batch数据为128,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34.22。

2019-05-16 04:42:23

34.22

63

sombra

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34.22。

2019-12-24 18:10:10

34.22

64

会飞的猪

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34.21。

2019-08-14 01:17:26

34.21

65

会员1557754773

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32.53。

2019-06-26 19:31:40

32.53

66

=

batch数据为1,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32.45。

2019-05-31 00:44:51

32.45

67

EnfantImparfait

batch数据为512,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32.45。

2019-08-06 20:09:37

32.45

68

singularity

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32.45。

2019-09-03 19:47:03

32.45

69

Lune

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32.45。

2019-09-13 20:39:51

32.45

70

嘻嘻嘻哈哈

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32.45。

2019-10-30 17:17:53

32.45

71

Name=Dash Jay

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32.45。

2019-10-31 19:00:09

32.45

72

\lambda

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32.45。

2019-11-03 14:26:42

32.45

73

守望

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32.45。

2019-11-04 16:31:25

32.45

74

Shadow111

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32.45。

2019-12-05 22:56:28

32.45

75

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32.45。

2019-12-08 17:41:24

32.45

76

kathyX

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32.45。

2019-12-24 21:59:28

32.45

77

☀️☀️☀️

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32.45。

2019-12-27 14:53:16

32.45

78

安芯

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32.45。

2020-02-11 09:15:13

32.45

79

闻韶

batch数据为2,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32.45。

2020-02-27 19:43:05

32.45

80

Eloise

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32.45。

2020-03-18 23:25:12

32.45

81

fl4616

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32.45。

2020-04-29 15:03:58

32.45

82

会员1593526253

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32.45。

2020-06-30 22:13:54

32.45

83

she

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32.45。

2020-11-11 11:11:47

32.45

84

Jom

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32.45。

2020-12-14 21:23:04

32.45

2019-06-15
丶人狠话不多

模型得分为97.48,本次获得排名奖奖金为150

2019-06-15 15:00:01

交差墒

模型得分为97.5,本次获得排名奖奖金为225

2019-06-15 15:00:01

汐炎

模型得分为97.61,本次获得排名奖奖金为375

2019-06-15 15:00:01

2019-05-22
丶人狠话不多

模型得分为97.48,本次获得排名奖奖金为150

2019-05-22 15:00:01

交差墒

模型得分为97.5,本次获得排名奖奖金为225

2019-05-22 15:00:01

汐炎

模型得分为97.61,本次获得排名奖奖金为375

2019-05-22 15:00:01

markov_future

模型得分为88,本次获得实时奖励奖金为1.05

2019-05-22 13:46:06

2019-05-20
batter

模型得分为89.01,本次获得实时奖励奖金为2.11

2019-05-20 11:25:50

2019-05-17
fsencen

模型得分为95.15,本次获得实时奖励奖金为1.76

2019-05-17 12:27:31

火炎焱燚

模型得分为94.32,本次获得实时奖励奖金为3.52

2019-05-17 12:26:17

2019-05-16
Teenage Dream

模型得分为88.88,本次获得实时奖励奖金为4.22

2019-05-16 18:19:00

闻剑船书铸扌

模型得分为84.89,本次获得实时奖励奖金为1.13

2019-05-16 13:56:45

poplar

模型得分为84.52,本次获得实时奖励奖金为2.25

2019-05-16 10:37:19

汐炎

模型得分为97.61,本次获得实时奖励奖金为8

2019-05-16 10:37:14

火炎焱燚

模型得分为88.46,本次获得实时奖励奖金为8.44

2019-05-16 10:37:01

chyang

模型得分为91.23,本次获得实时奖励奖金为16.88

2019-05-16 10:36:12

Winteriscoming

模型得分为95.75,本次获得实时奖励奖金为7.03

2019-05-16 10:34:40

Jason4521

模型得分为86.82,本次获得实时奖励奖金为4.5

2019-05-16 10:34:19

begins

模型得分为87.82,本次获得实时奖励奖金为9

2019-05-16 10:33:39

天天向上

模型得分为88.68,本次获得实时奖励奖金为33.75

2019-05-16 10:33:26

trick_or_treat

模型得分为96.19,本次获得实时奖励奖金为1.76

2019-05-16 10:33:07

丶人狠话不多

模型得分为97.41,本次获得实时奖励奖金为3.52

2019-05-16 10:30:42

ChangeBio

模型得分为95.56,本次获得实时奖励奖金为14.06

2019-05-16 10:30:03

加勒比

模型得分为93.06,本次获得实时奖励奖金为28.13

2019-05-16 10:29:41

交差墒

模型得分为97.41,本次获得实时奖励奖金为21.03

2019-05-16 10:29:31

汐炎

模型得分为97.04,本次获得实时奖励奖金为18.06

2019-05-16 10:27:22

trickornot

模型得分为96.93,本次获得实时奖励奖金为32.13

2019-05-16 10:27:18

xinlofi

模型得分为83.45,本次获得实时奖励奖金为1.13

2019-05-16 10:27:08

lyming

模型得分为88.34,本次获得实时奖励奖金为67.5

2019-05-16 10:26:42

加勒比

模型得分为80.99,本次获得实时奖励奖金为2.25

2019-05-16 10:26:38

Joshua

模型得分为85.83,本次获得实时奖励奖金为18

2019-05-16 10:26:29

Micoon

模型得分为96.44,本次获得实时奖励奖金为56.25

2019-05-16 10:26:17

clare

模型得分为93.78,本次获得实时奖励奖金为56.25

2019-05-16 10:26:13

江枫渔火

模型得分为82.78,本次获得实时奖励奖金为4.5

2019-05-16 10:25:45

gboy

模型得分为96.83,本次获得实时奖励奖金为7

2019-05-16 10:25:21

lyming

模型得分为83.16,本次获得实时奖励奖金为9

2019-05-16 10:24:56

Micoon

模型得分为95.64,本次获得实时奖励奖金为112.5

2019-05-16 10:24:36

gboy

模型得分为96.66,本次获得实时奖励奖金为526

2019-05-16 10:24:10

火炎焱燚

模型得分为84.49,本次获得实时奖励奖金为192

2019-05-16 10:23:35

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