- 赛事介绍
- 竞赛排行榜
- 奖金记录
- 讨论($vue{comment_count})
- 学习资源
 
				
					
										
											大赛简介
											
																									全网首个TensorFlow 2.0竞赛项目上线!
																									人民币面值识别是一个简单的图像分类任务,通过建立准确的分类模型识别出人民币面额。
																									第四套人民币是中国人民银行于1987年4月27日至1997年4月1日发行的一套货币,共有1角、2角、5角、1元、2元、5元、10元、50元、100元9种面额。
																									TensorFlow 2.0 将专注于简单性和易用性,具有以下更新:
																									1、使用 Keras 轻松构建模型
																									2、在任意平台上实现稳健模型部署
																									3、为研究提供强大的实验工具
																									4、简化 API 接口,删掉多余的和重复的 API
																																			 
																						
											
																							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
												
												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 | float | 不为空 | 分类标签 | 
																											
																						
											
																							参考文献:
																																							[1]无
																																																										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 90分 的成绩会在48小时内更新到排行榜,不要着急哦!
																		
					
										
																											
																							
											
																						
											
												
												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100.00。
												
											 
																							
																					 
																													
																							
											
																						
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
											
												
												batch数据为28,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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									4
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									5
																							
											
												
												batch数据为8,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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									6
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									7
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									8
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									9
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									10
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									11
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									12
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									13
																							
											
												
												batch数据为32,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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									14
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									15
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									16
																							
											
												
												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99.97。
												
											 
																							
																					 
																													
																							
											
																						
																									17
																							
											
												
												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99.96。
												
											 
																							
																					 
																													
																							
											
																						
																									18
																							
											
												
												batch数据为64,循环次数为800次,通过在线上环境完成训练,模型最优精度评分为99.96。
												
											 
																							
																					 
																													
																							
											
																						
																									19
																							
											
												
												batch数据为32,循环次数为233次,通过在线上环境完成训练,模型最优精度评分为99.96。
												
											 
																							
																					 
																													
																							
											
																						
																									20
																							
											
												
												batch数据为256,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99.96。
												
											 
																							
																					 
																													
																							
											
																						
																									21
																							
											
												
												batch数据为256,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99.96。
												
											 
																							
																					 
																													
																							
											
																						
																									22
																							
											
												
												batch数据为128,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为99.96。
												
											 
																							
																					 
																													
																							
											
																						
																									23
																							
											
												
												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99.96。
												
											 
																							
																					 
																													
																							
											
																						
																									24
																							
											
												
												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99.96。
												
											 
																							
																					 
																													
																							
											
																						
																									25
																							
											
												
												batch数据为24,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99.95。
												
											 
																							
																					 
																													
																							
											
																						
																									26
																							
											
												
												batch数据为8,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为99.95。
												
											 
																							
																					 
																													
																							
											
																						
																									27
																							
											
												
												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99.95。
												
											 
																							
																					 
																													
																							
											
																						
																									28
																							
											
												
												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99.95。
												
											 
																							
																					 
																													
																							
											
																						
																									29
																							
											
												
												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99.92。
												
											 
																							
																					 
																													
																							
											
																						
																									30
																							
											
												
												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99.91。
												
											 
																							
																					 
																													
																							
											
																						
																									31
																							
											
												
												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99.89。
												
											 
																							
																					 
																													
																							
											
																						
																									32
																							
											
												
												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99.76。
												
											 
																							
																					 
																													
																							
											
																						
																									33
																							
											
												
												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99.71。
												
											 
																							
																					 
																													
																							
											
																						
																									34
																							
											
												
												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99.67。
												
											 
																							
																					 
																													
																							
											
																						
																									35
																							
											
												
												batch数据为500,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99.52。
												
											 
																							
																					 
																													
																							
											
																						
																									36
																							
											
												
												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99.41。
												
											 
																							
																					 
																													
																							
											
																						
																									37
																							
											
												
												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99.00。
												
											 
																							
																					 
																													
																							
											
																						
																									38
																							
											
												
												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98.38。
												
											 
																							
																					 
																													
																							
											
																						
																									39
																							
											
												
												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97.67。
												
											 
																							
																					 
																													
																							
											
																						
																									40
																							
											
												
												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97.20。
												
											 
																							
																					 
																													
																							
											
																						
																									41
																							
											
												
												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97.03。
												
											 
																							
																					 
																													
																							
											
																						
																									42
																							
											
												
												batch数据为65,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95.73。
												
											 
																							
																					 
																													
																							
											
																						
																									43
																							
											
												
												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95.44。
												
											 
																							
																					 
																													
																							
											
																						
																									44
																							
											
												
												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95.39。
												
											 
																							
																					 
																													
																							
											
																						
																									45
																							
											
												
												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94.75。
												
											 
																							
																					 
																													
																							
											
																						
																									46
																							
											
												
												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94.61。
												
											 
																							
																					 
																													
																							
											
																						
																									47
																							
											
												
												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91.10。
												
											 
																							
																					 
																													
																							
											
																						
																									48
																							
											
												
												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90.72。
												
											 
																							
																					 
																													
																							
											
																						
																									49
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									50
																							
											
												
												batch数据为500,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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									51
																							
											
												
												batch数据为32,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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									52
																							
											
												
												batch数据为500,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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									53
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									54
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									55
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									56
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									57
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									58
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									59
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									60
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									61
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									62
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									63
																							
											
												
												batch数据为256,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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									64
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									65
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									66
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									67
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									68
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									69
																							
											
												
												batch数据为69,循环次数为33次,通过在线上环境完成训练,模型最优精度评分为90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									70
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									71
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									72
																							
											
												
												batch数据为64,循环次数为40次,通过在线上环境完成训练,模型最优精度评分为90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									73
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									74
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									76
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									78
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									80
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									81
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									82
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									83
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									84
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									85
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									86
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									87
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									88
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									89
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									90
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									91
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									92
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									93
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									94
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									95
																							
											
												
												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90.67。
												
											 
																							
																					 
																													
																							
											
																						
																									96
																							
											
												
												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90.18。
												
											 
																							
																					 
																													
																							
											
																						
																									97
																							
											
												
												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89.92。
												
											 
																							
																					 
																													
																							
											
																						
																									98
																							
											
												
												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88.35。
												
											 
																							
																					 
																													
																							
											
																						
																									99
																							
											
												
												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9.64。
												
											 
																							
																					 
															 
				    
				 
				
				
									
					
						
																																	
																									
										- なんか行ける気がする
- 
											模型得分为95.44,本次获得实时奖励奖金为1.41元 2019-10-21 11:29:06 
																									
										- matthew
- 
											模型得分为95.39,本次获得实时奖励奖金为2.81元 2019-08-23 15:14:00 
																									
										- Noah
- 
											模型得分为94.61,本次获得实时奖励奖金为5.63元 2019-07-31 10:40:23 
																									
										- 答案
- 
											模型得分为93.02,本次获得实时奖励奖金为6元 2019-07-25 14:30:40 
																									
										- 加勒比
- 
											模型得分为100,本次获得排名奖奖金为250元 2019-07-20 15:00:01 
										- 丶人狠话不多
- 
											模型得分为99.97,本次获得排名奖奖金为150元 2019-07-20 15:00:01 
										- 大木淡漠
- 
											模型得分为99.97,本次获得排名奖奖金为100元 2019-07-20 15:00:01 
																									
										- 加勒比
- 
											模型得分为99.99,本次获得实时奖励奖金为1元 2019-07-17 10:46:38 
																									
										- BMW开空调
- 
											模型得分为95.7,本次获得实时奖励奖金为11.25元 2019-07-15 15:32:28 
																									
										- isaiah
- 
											模型得分为92,本次获得实时奖励奖金为12元 2019-07-08 10:42:32 
										- 友情小爪
- 
											模型得分为97.2,本次获得实时奖励奖金为2.34元 2019-07-08 10:42:23 
																									
										- 顺宝
- 
											模型得分为97.67,本次获得实时奖励奖金为4.69元 2019-07-01 10:55:15 
										- 顺宝
- 
											模型得分为94.14,本次获得实时奖励奖金为22.5元 2019-07-01 10:53:29 
										- 鬼见愁
- 
											模型得分为97.03,本次获得实时奖励奖金为9.38元 2019-07-01 10:50:33 
																									
										- 顺宝
- 
											模型得分为92.79,本次获得实时奖励奖金为24元 2019-06-28 11:54:23 
																									
										- 大木淡漠
- 
											模型得分为99.97,本次获得排名奖奖金为150元 2019-06-27 15:00:02 
										- 善假于物
- 
											模型得分为99.97,本次获得排名奖奖金为100元 2019-06-27 15:00:02 
										- 丶人狠话不多
- 
											模型得分为99.97,本次获得排名奖奖金为250元 2019-06-27 15:00:02 
										- hiccup
- 
											模型得分为90.18,本次获得实时奖励奖金为1.5元 2019-06-27 10:31:43 
										- LeyN
- 
											模型得分为95.73,本次获得实时奖励奖金为45元 2019-06-27 10:31:03 
																									
										- colorLess
- 
											模型得分为90.94,本次获得实时奖励奖金为3元 2019-06-26 11:17:26 
																									
										- 冬至
- 
											模型得分为90.72,本次获得实时奖励奖金为6元 2019-06-24 11:18:18 
										- 王瑞
- 
											模型得分为96.24,本次获得实时奖励奖金为18.75元 2019-06-24 11:09:34 
										- chyang
- 
											模型得分为97.19,本次获得实时奖励奖金为37.5元 2019-06-24 10:57:19 
										- 交差墒
- 
											模型得分为99.97,本次获得实时奖励奖金为1.17元 2019-06-24 10:57:10 
										- sblyx
- 
											模型得分为98.69,本次获得实时奖励奖金为2.34元 2019-06-24 10:57:01 
										- 善假于物
- 
											模型得分为99.97,本次获得实时奖励奖金为4.69元 2019-06-24 10:56:55 
										- 大木淡漠
- 
											模型得分为99.97,本次获得实时奖励奖金为9.38元 2019-06-24 10:53:59 
										- 快来追我呀
- 
											模型得分为99.91,本次获得实时奖励奖金为18.75元 2019-06-24 10:53:05 
										- Winteriscoming
- 
											模型得分为99.96,本次获得实时奖励奖金为18.75元 2019-06-24 10:52:47 
										- trickornot
- 
											模型得分为99.96,本次获得实时奖励奖金为37.5元 2019-06-24 10:52:42 
										- 人间正道是沧桑
- 
											模型得分为99.18,本次获得实时奖励奖金为75元 2019-06-24 10:52:38 
										- 人间正道是沧桑
- 
											模型得分为96.78,本次获得实时奖励奖金为75元 2019-06-24 10:52:33 
										- 丶人狠话不多
- 
											模型得分为99.97,本次获得实时奖励奖金为549元 2019-06-24 10:52:28