中文的命名实体识别

分享给好友

2019-08-07 15:00:00
开始提交

2019-09-06 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 2,503
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

命名实体识别,英文简称NER,主要任务是识别文本中具有特定意义的实体,主要包括人名、地名、机构名称、专有的名词等,以及关于时间、数量、货币、比例数值等文字。

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)
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

NER_new

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
source string 不为空 句子
target string 不为空 标签

参考文献:

[1]NER

评审标准

算法输入输出格式

输入字段: source,

输出字段: target,

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

雨中冰言

47.50

batch数据为48,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86.35。

2019-10-21 09:46:07

47.50

86.35

第三名

julymin

37.00

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84.87。

2019-09-23 08:09:35

37.00

84.87

第三名

sakuranew

1118.75

batch数据为12,循环次数为11次,通过在线上环境完成训练,模型最优精度评分为84.57。

2019-09-07 02:13:12

1118.75

84.57

4

NLP-Learner

1222.00

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83.33。

2019-08-11 09:09:07

1222.00

83.33

5

basaka

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82.81。

2020-03-22 23:05:21

82.81

6

sea2603

batch数据为1,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82.12。

2020-07-31 08:09:24

82.12

7

鸡毛飞上天

batch数据为32,循环次数为8次,通过在线上环境完成训练,模型最优精度评分为80.59。

2019-12-23 18:29:48

80.59

8

NLP_Rookie

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80.17。

2020-03-28 01:02:39

80.17

9

==

batch数据为16,循环次数为45次,通过在线上环境完成训练,模型最优精度评分为78.23。

2019-09-13 10:42:44

78.23

10

ericleungs

batch数据为64,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77.95。

2020-01-17 17:09:15

77.95

11

‭九件

batch数据为16,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77.66。

2020-03-31 14:41:29

77.66

12

迷途小书童

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77.35。

2019-09-10 04:20:08

77.35

13

夏1564457098

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76.99。

2019-09-10 16:53:43

76.99

14

是眼缘不是演员

batch数据为128,循环次数为150次,通过在线上环境完成训练,模型最优精度评分为76.67。

2019-06-18 19:18:27

76.67

15

rui

batch数据为128,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76.51。

2019-12-10 20:43:55

76.51

16

大大大宇子

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76.32。

2019-06-15 18:06:47

76.32

17

?..

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75.58。

2019-06-07 11:47:55

75.58

18

cnn

batch数据为50,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75.43。

2019-07-11 08:30:46

75.43

19

体重不到130不...

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75.42。

2020-02-01 21:53:19

75.42

20

Philemon

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75.29。

2020-02-14 18:59:35

75.29

21

云中漫步的云彩

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75.08。

2019-06-15 02:16:09

75.08

22

ChangeBio

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74.73。

2019-06-09 11:33:55

74.73

23

二狗你变了

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74.53。

2019-06-16 16:09:30

74.53

24

杨森

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74.33。

2019-08-02 15:27:08

74.33

25

Fandos

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74.33。

2019-08-06 20:34:14

74.33

26

王㊦邀月熊คิดถึง

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74.33。

2019-08-06 21:31:12

74.33

27

xiamaozi11

batch数据为100,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74.33。

2019-08-07 10:44:50

74.33

28

麦小杨

batch数据为128,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74.33。

2019-08-09 22:34:14

74.33

29

batch数据为64,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74.33。

2019-08-09 22:41:12

74.33

30

xyk

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74.33。

2019-08-10 15:40:02

74.33

31

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74.33。

2019-08-13 18:03:51

74.33

32

子曰吴窗

batch数据为256,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74.33。

2019-08-14 09:24:01

74.33

33

Nathan1563805247

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74.33。

2019-08-14 14:31:54

74.33

34

成廿八吋大髀

batch数据为500,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74.33。

2019-08-15 16:47:09

74.33

35

李哥的骄傲

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74.33。

2019-08-18 14:43:09

74.33

36

FC

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74.33。

2019-08-19 19:47:38

74.33

37

丅丄

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74.33。

2019-08-19 22:32:49

74.33

38

年小舜

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74.33。

2019-08-20 17:33:16

74.33

39

无线不循环

batch数据为64,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74.33。

2019-08-23 14:31:47

74.33

40

yayun_fly

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74.33。

2019-09-05 15:28:35

74.33

41

xingye9394

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74.33。

2019-09-09 10:11:21

74.33

42

akeeper

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74.33。

2019-09-11 16:43:44

74.33

43

idleuncle

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74.33。

2019-09-18 10:37:22

74.33

44

eedwm

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74.33。

2019-09-18 14:45:30

74.33

45

艾延永

batch数据为12,循环次数为11次,通过在线上环境完成训练,模型最优精度评分为74.33。

2019-09-30 16:10:00

74.33

46

fangh06

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74.33。

2019-10-07 18:06:05

74.33

47

AMERICA

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74.33。

2019-10-08 11:51:42

74.33

48

nlp-ygq

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74.33。

2019-10-10 16:15:06

74.33

49

远方1570513997

batch数据为64,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74.33。

2019-10-10 17:47:06

74.33

50

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74.33。

2019-10-12 23:11:00

74.33

51

天雨龙马

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74.33。

2019-10-15 19:13:46

74.33

52

Streaming

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74.33。

2019-10-15 19:24:35

74.33

53

夏雨潇潇

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74.33。

2019-10-16 11:07:28

74.33

54

jumb_high

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74.33。

2019-10-21 18:07:24

74.33

55

qiufengyuyi

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74.33。

2019-10-21 22:03:14

74.33

56

Tu

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74.33。

2019-10-22 09:37:33

74.33

57

好啊

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74.33。

2019-10-22 21:32:28

74.33

58

WoodPecker

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74.33。

2019-10-23 10:58:10

74.33

59

五月

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74.33。

2019-10-26 00:15:30

74.33

60

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74.33。

2019-10-26 13:56:39

74.33

61

Geronz

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74.33。

2019-10-30 09:28:40

74.33

62

haimian

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74.33。

2019-10-30 15:54:28

74.33

63

AlphaU

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74.33。

2019-11-01 10:49:57

74.33

64

祖鑫奇

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74.33。

2019-11-01 18:12:45

74.33

65

安徽一小兵

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74.33。

2019-11-03 16:58:49

74.33

66

newlight.

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74.33。

2019-11-06 13:51:20

74.33

67

DrunKuK

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74.33。

2019-11-06 15:12:05

74.33

68

rairu

batch数据为256,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74.33。

2019-11-13 10:26:06

74.33

69

chengcheng

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74.33。

2019-11-13 14:18:54

74.33

70

sunshineBJTU

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74.33。

2019-11-13 20:06:14

74.33

71

wenkun97

batch数据为64,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74.33。

2019-11-13 21:29:07

74.33

72

风筝迷了方向

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74.33。

2019-11-14 21:02:37

74.33

73

klaywen

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74.33。

2019-11-15 12:51:11

74.33

74

myf

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74.33。

2019-11-16 14:38:01

74.33

75

Ivan1009

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74.33。

2019-11-18 11:09:00

74.33

76

体验

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74.33。

2019-11-19 11:00:42

74.33

77

dark

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74.33。

2019-11-22 13:28:10

74.33

78

zznlp

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74.33。

2019-11-24 22:33:56

74.33

79

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74.33。

2019-11-25 10:39:34

74.33

80

CTL

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74.33。

2019-11-26 08:37:26

74.33

81

少吃甜食。

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74.33。

2019-11-26 15:16:35

74.33

82

丁丁

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74.33。

2019-11-27 10:08:57

74.33

83

跟我走吧

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74.33。

2019-11-30 13:46:11

74.33

84

Violety

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74.33。

2019-12-01 16:38:27

74.33

85

Elmer

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74.33。

2019-12-03 11:57:24

74.33

86

yz

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74.33。

2019-12-04 15:54:17

74.33

87

枫海叶天

batch数据为64,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74.33。

2019-12-04 18:44:44

74.33

88

哈哈1575620982

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74.33。

2019-12-06 16:34:00

74.33

89

慧1575891276

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74.33。

2019-12-09 20:01:48

74.33

90

mo_shelley

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74.33。

2019-12-13 16:32:39

74.33

91

flyai会员1576553024

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74.33。

2019-12-17 13:34:16

74.33

92

xxl

batch数据为64,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74.33。

2019-12-18 11:16:45

74.33

93

flyai会员1576649312

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74.33。

2019-12-18 14:10:41

74.33

94

李晨昊

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74.33。

2019-12-20 13:35:15

74.33

95

flyai会员1577432247

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74.33。

2019-12-27 16:16:10

74.33

96

有分儿就行

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74.33。

2019-12-28 17:11:41

74.33

97

诗人藏夜里

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74.33。

2020-01-01 22:27:40

74.33

98

莫名其妙

batch数据为512,循环次数为16次,通过在线上环境完成训练,模型最优精度评分为74.33。

2020-01-02 15:51:20

74.33

99

肥皂城

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74.33。

2020-01-07 08:27:24

74.33

100

逸野山人

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74.33。

2020-01-15 14:30:50

74.33

101

flyai会员1579096656

batch数据为12,循环次数为11次,通过在线上环境完成训练,模型最优精度评分为74.33。

2020-01-15 22:02:57

74.33

102

苏晓伟

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74.33。

2020-01-16 11:03:40

74.33

103

Pluto1579436820

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74.33。

2020-01-19 20:32:17

74.33

104

小丶毛

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74.33。

2020-01-23 21:42:40

74.33

105

弱鸡瑟瑟发抖

batch数据为64,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74.33。

2020-01-26 12:36:35

74.33

106

西瓜地灵魂

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74.33。

2020-02-21 17:55:23

74.33

107

erha2yaya

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74.33。

2020-02-25 23:15:18

74.33

108

flyai会员1582875734

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74.33。

2020-02-28 15:47:49

74.33

109

一念之间

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74.33。

2020-03-09 22:43:05

74.33

110

Baymax

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74.33。

2020-03-11 13:10:32

74.33

111

ROCKY1583988638

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74.33。

2020-03-12 12:53:30

74.33

112

flyai会员1584119265

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74.33。

2020-03-14 01:16:47

74.33

113

月半1584413698

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74.33。

2020-03-17 11:01:17

74.33

114

啸1584610693

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74.33。

2020-03-19 17:52:44

74.33

115

踢球的人长得都很帅

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74.33。

2020-03-26 14:25:14

74.33

116

 水鱼

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74.33。

2020-03-31 17:24:01

74.33

117

Shadow

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74.33。

2020-03-31 22:31:23

74.33

118

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74.33。

2020-04-02 21:59:43

74.33

119

木心

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74.33。

2020-04-10 21:07:45

74.33

120

wewill

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74.33。

2020-04-11 10:05:36

74.33

121

纪巩

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74.33。

2020-04-17 14:38:21

74.33

122

Paul Alan

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74.33。

2020-04-27 20:27:33

74.33

123

Elite

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74.33。

2020-05-05 16:25:29

74.33

124

Again

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74.33。

2020-05-06 16:12:47

74.33

125

Tyler伟

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74.33。

2020-05-09 18:09:07

74.33

126

·Wonder

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74.33。

2020-05-18 14:14:38

74.33

127

Hey hungry

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74.33。

2020-05-21 22:51:32

74.33

128

Lew

batch数据为64,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74.33。

2020-05-23 19:25:03

74.33

129

✿ 蒋小米要fighting✿

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74.33。

2020-05-26 14:56:03

74.33

130

宇麒

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74.33。

2020-05-29 16:56:50

74.33

131

ppsuser

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74.33。

2020-06-06 20:25:43

74.33

132

杨求松

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74.33。

2020-06-12 16:00:55

74.33

133

flyai会员1592781412

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74.33。

2020-06-22 07:29:33

74.33

134

徐哎呦

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74.33。

2020-07-02 21:56:16

74.33

135

li z z y

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74.33。

2020-07-21 14:30:13

74.33

136

+_

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74.33。

2020-07-23 17:55:49

74.33

137

flyai会员1596271609

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74.33。

2020-08-01 16:50:37

74.33

138

蝈蝈

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74.33。

2020-08-02 21:40:21

74.33

139

Soar

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74.33。

2020-08-05 19:27:34

74.33

140

flyai会员1597906187

batch数据为64,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74.33。

2020-08-20 14:54:36

74.33

141

张亚男42013

batch数据为128,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74.33。

2020-08-21 09:49:44

74.33

142

flyai会员1598433878

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74.33。

2020-08-26 17:27:11

74.33

143

X1598945805

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74.33。

2020-09-01 15:39:32

74.33

144

Abfall

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74.33。

2020-09-03 15:41:52

74.33

145

李白1599304360

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74.33。

2020-09-05 19:37:41

74.33

146

flyai会员1600225926

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74.33。

2020-09-16 11:15:38

74.33

147

aiyaya

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74.33。

2020-09-20 10:00:53

74.33

148

头疼仙

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74.33。

2020-10-19 12:50:24

74.33

149

flyai会员1603547421

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74.33。

2020-10-24 21:54:34

74.33

150

flyai会员1604201285

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74.33。

2020-11-01 11:39:39

74.33

151

flyai会员1604412102

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74.33。

2020-11-03 22:14:00

74.33

152

Noah1604629882

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74.33。

2020-11-06 10:33:01

74.33

153

科西嘉滕

batch数据为64,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74.33。

2020-11-25 11:36:33

74.33

154

Benzene

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74.33。

2020-12-03 11:11:06

74.33

155

flyai会员1607669160

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74.33。

2020-12-11 16:14:36

74.33

156

Liao

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74.33。

2020-12-15 20:29:46

74.33

157

化身孤岛的鲸

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74.33。

2020-12-16 10:50:42

74.33

158

,sohne

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74.33。

2020-12-18 21:15:36

74.33

159

ZPF

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74.33。

2020-12-20 11:18:26

74.33

160

ZERO1610011566

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74.33。

2021-01-07 17:30:49

74.33

161

尤里乌斯

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74.33。

2021-02-13 21:50:09

74.33

162

旷雄

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74.33。

2021-02-20 16:56:17

74.33

163

flyai会员1615442511

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74.33。

2021-03-11 14:04:54

74.33

164

ln

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74.33。

2021-05-07 16:27:28

74.33

165

flyai会员1621323568

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74.33。

2021-05-18 15:48:09

74.33

166

Jaden

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74.33。

2021-07-06 16:19:03

74.33

167

:)1626315751

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74.33。

2021-07-15 10:37:52

74.33

168

flyai会员1632905689

batch数据为128,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74.33。

2021-09-29 21:09:29

74.33

169

flyai会员1639463158

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74.33。

2021-12-14 14:37:14

74.33

170

会员1644481615

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74.33。

2022-02-12 14:07:44

74.33

171

flyai会员1645425768

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74.33。

2022-02-21 17:30:18

74.33

172

树泉

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73.68。

2019-11-23 05:44:24

73.68

173

Yusei.

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73.49。

2019-07-07 12:32:24

73.49

174

Jtay2019

batch数据为128,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72.40。

2019-06-09 18:47:52

72.40

175

普六茹那罗延

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72.20。

2019-06-15 09:45:37

72.20

176

ttttaeyang

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71.95。

2019-06-07 19:26:55

71.95

177

Wjh

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71.60。

2019-06-14 12:04:03

71.60

178

弗兰克1566442094

batch数据为16,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71.09。

2019-08-28 04:37:31

71.09

179

大木淡漠

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69.28。

2019-06-13 14:42:00

69.28

180

yphacker

batch数据为128,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69.28。

2019-08-23 07:59:12

69.28

181

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69.24。

2019-07-18 13:20:56

69.24

182

修远

batch数据为256,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69.07。

2019-08-18 22:01:03

69.07

183

灵翼侠

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68.98。

2019-07-01 20:51:20

68.98

184

learnFromBest

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67.92。

2019-07-23 00:23:42

67.92

185

凉心半浅良心人

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67.46。

2019-08-08 15:20:00

67.46

186

happyprince

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67.02。

2019-08-09 01:55:50

67.02

187

k一起旅行

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66.20。

2020-02-05 19:25:03

66.20

188

慕先

batch数据为1024,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63.53。

2019-08-01 16:22:43

63.53

189

AiFool

batch数据为1024,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63.27。

2019-08-24 10:42:52

63.27

190

梁昆

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56.10。

2019-08-29 16:31:15

56.10

191

AK

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55.87。

2019-09-28 00:48:51

55.87

192

为之奈何

batch数据为1024,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54.60。

2019-08-21 12:22:25

54.60

193

cong

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53.46。

2019-08-23 08:51:09

53.46

194

赤月青峰

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28.61。

2020-03-13 11:59:37

28.61

195

快来追我呀

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13.76。

2019-08-24 23:55:32

13.76

196

Ricardo_He

batch数据为256,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11.63。

2020-03-17 15:44:16

11.63

197

小瑜.R

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。

2019-11-18 18:09:26

0.00

2019-10-21
雨中冰言

模型得分为86.35,本次获得实时奖励奖金为24

2019-10-21 11:36:14

雨中冰言

模型得分为85.49,本次获得实时奖励奖金为23.5

2019-10-21 11:35:21

2019-09-23
julymin

模型得分为84.87,本次获得实时奖励奖金为7

2019-09-23 11:21:48

julymin

模型得分为84.56,本次获得实时奖励奖金为30

2019-09-23 11:14:40

2019-09-09
NLP-Learner

模型得分为83.33,本次获得排名奖奖金为375

2019-09-09 11:23:35

sakuranew

模型得分为84.57,本次获得排名奖奖金为625

2019-09-09 11:23:34

sakuranew

模型得分为84.57,本次获得实时奖励奖金为90

2019-09-09 11:09:16

2019-08-14
NLP-Learner

模型得分为83.33,本次获得排名奖奖金为625

2019-08-14 15:00:02

sakuranew

模型得分为83.11,本次获得排名奖奖金为375

2019-08-14 15:00:02

2019-08-12
NLP-Learner

模型得分为83.33,本次获得实时奖励奖金为23

2019-08-12 12:31:15

sakuranew

模型得分为82.24,本次获得实时奖励奖金为25

2019-08-12 12:09:53

2019-08-09
sakuranew

模型得分为80.62,本次获得实时奖励奖金为3.75

2019-08-09 16:07:08

2019-08-08
NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:31

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:31

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:30

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:30

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:30

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:30

NLP-Learner

模型得分为80.93,本次获得实时奖励奖金为12

2019-08-08 12:04:22

NLP-Learner

模型得分为80.25,本次获得实时奖励奖金为187

2019-08-08 12:03:29

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。