62种交通信号标志识别

分享给好友

2021-03-22 12:00:00
开始提交

2021-04-21 12:00:00
最终提交结束

自由训练

剩余奖金 ¥ 44
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

BelgiumTSC 是一个图像数据集,包含62种交通信号标志的照片。分类数量:62 图片数量:6,954 标注:种类编号

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

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。

数据来源

BelgiumTSC

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 file_path 不为空 图片的相对路径
label int 大于等于 0, 小于等于 61 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

  • 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prediction.py中的load_model和predict方法。系统使用这些方法评估模型算出评分。
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

trickornot

375.94

batch数据为64,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99.86。

2019-05-03 20:17:38

375.94

99.86

第三名

唱跳RAP打篮球

641.73

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99.71。

2019-04-05 05:42:18

641.73

99.71

第三名

smooklazz

250.74

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99.71。

2019-04-09 02:51:17

250.74

99.71

4

你猜猜我是谁

14.06

batch数据为256,循环次数为147次,通过在线上环境完成训练,模型最优精度评分为99.71。

2019-04-10 11:18:59

14.06

99.71

5

火炎焱燚

46.90

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99.64。

2019-04-06 10:22:32

46.90

99.64

6

Teenage Dream

1.46

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99.64。

2019-04-09 20:14:13

1.46

99.64

7

善假于物

503.00

batch数据为64,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99.64。

2019-04-11 10:25:32

503.00

99.64

8

大木淡漠

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99.64。

2019-04-25 19:47:20

99.64

9

cclxx

44.58

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99.57。

2019-04-05 18:19:36

44.58

99.57

10

lyming

91.69

batch数据为64,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99.50。

2019-04-05 05:03:45

91.69

99.50

11

Winteriscoming

7.50

batch数据为64,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99.50。

2019-04-13 17:14:18

7.50

99.50

12

lightning-zgc

93.75

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99.42。

2019-04-06 15:48:44

93.75

99.42

13

丶人狠话不多

0.09

batch数据为64,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99.35。

2019-04-05 11:27:32

0.09

99.35

14

trick_or_treat

1196.00

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99.35。

2019-04-06 21:11:35

1196.00

99.35

15

bestfitting

batch数据为64,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99.35。

2019-04-22 23:40:40

99.35

16

興趣使然的吃瓜少年

5.86

batch数据为256,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99.14。

2019-04-05 04:48:03

5.86

99.14

17

玄学上分

46.88

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99.14。

2019-04-05 08:54:53

46.88

99.14

18

周阳

1.46

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98.63。

2019-04-07 14:26:18

1.46

98.63

19

Daiccccc

206.26

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98.56。

2019-04-06 15:10:20

206.26

98.56

20

WayPlus

12.09

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98.20。

2019-04-05 08:14:08

12.09

98.20

21

无......有

0.37

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98.20。

2019-04-14 13:46:44

0.37

98.20

22

mingda

5.86

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97.92。

2019-04-05 17:06:57

5.86

97.92

23

sinh

12.19

batch数据为256,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97.70。

2019-04-06 16:13:48

12.19

97.70

24

啊肉

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97.56。

2019-04-21 23:11:36

97.56

25

tik_boa

batch数据为64,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97.20。

2019-04-10 14:55:54

97.20

26

玥神

23.44

batch数据为256,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96.84。

2019-04-05 02:24:08

23.44

96.84

27

统治了宇宙的外星人

3.52

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95.83。

2019-04-05 10:08:39

3.52

95.83

28

篠筱筱

28.13

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95.54。

2019-04-05 07:08:15

28.13

95.54

29

yangsmile

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94.03。

2019-04-26 21:21:01

94.03

30

gezp

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93.82。

2019-04-29 23:07:51

93.82

31

.co

75.00

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93.31。

2019-04-05 01:00:34

75.00

93.31

32

kongd

1.88

batch数据为256,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93.17。

2019-04-06 01:41:08

1.88

93.17

33

红色的小蓝帽

15.00

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92.88。

2019-04-05 16:25:12

15.00

92.88

34

zhiduanqingchang

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91.95。

2019-04-12 10:18:34

91.95

35

Winfield

1.88

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91.16。

2019-04-05 19:38:00

1.88

91.16

36

看你很6哦

0.94

batch数据为128,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91.16。

2019-04-05 22:35:15

0.94

91.16

37

ROC

0.47

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91.09。

2019-04-06 03:30:26

0.47

91.09

38

decoo

0.23

batch数据为150,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90.65。

2019-04-06 12:09:13

0.23

90.65

39

Gifford

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90.58。

2019-04-22 19:48:06

90.58

40

seven.Qi

batch数据为128,循环次数为3200次,通过在线上环境完成训练,模型最优精度评分为89.22。

2019-06-14 17:14:59

89.22

41

Reluminia

batch数据为64,循环次数为1800次,通过在线上环境完成训练,模型最优精度评分为88.50。

2019-04-13 11:52:49

88.50

42

零露

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86.84。

2019-04-05 02:57:18

86.84

43

Hallo

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85.69。

2019-04-07 16:11:34

85.69

44

david-dzt

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85.12。

2019-04-08 12:27:17

85.12

45

zizaieee

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82.60。

2019-04-13 20:58:57

82.60

46

顺子

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82.46。

2019-11-05 11:08:42

82.46

47

信息-杨波

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81.09。

2019-10-30 11:25:26

81.09

48

ssatcc

batch数据为64,循环次数为900次,通过在线上环境完成训练,模型最优精度评分为81.09。

2019-10-30 21:32:01

81.09

49

鲍若凡

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81.09。

2019-11-21 13:43:11

81.09

50

NOBUG_W

batch数据为512,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81.09。

2019-11-22 15:59:55

81.09

51

小男孩

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81.09。

2019-11-29 16:34:46

81.09

52

李渊

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81.09。

2019-12-05 22:05:05

81.09

53

李天秀

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81.09。

2019-12-24 13:08:54

81.09

54

seabear

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81.09。

2020-04-11 21:01:07

81.09

55

肖红忠

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81.09。

2020-09-21 14:44:22

81.09

56

@you

batch数据为64,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73.90。

2019-04-22 10:44:40

73.90

57

mj1553236471

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64.77。

2019-04-08 19:08:33

64.77

58

第五轻柔

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64.20。

2019-07-03 17:54:59

64.20

59

就是很任性

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62.98。

2019-04-05 15:34:59

62.98

60

Zero.zhou

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59.09。

2019-04-07 03:59:59

59.09

61

robotliu0327

batch数据为256,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41.62。

2019-05-12 20:45:41

41.62

62

Episode

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24.16。

2019-04-06 15:09:59

24.16

63

江枫渔火

batch数据为4,循环次数为1600次,通过在线上环境完成训练,模型最优精度评分为16.46。

2019-04-05 20:37:44

16.46

64

Seeney

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15.17。

2019-04-05 06:27:04

15.17

65

cactus_6

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12.65。

2019-04-05 15:13:07

12.65

66

Gavin

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12.22。

2019-04-05 00:13:24

12.22

67

ChangeBio

batch数据为64,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12.22。

2019-04-29 19:10:02

12.22

68

loading

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11.86。

2019-04-06 21:25:44

11.86

69

liyonghong

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6.76。

2019-04-05 19:30:37

6.76

70

troublemaker

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3.52。

2019-04-05 04:34:13

3.52

71

batch数据为256,循环次数为256次,通过在线上环境完成训练,模型最优精度评分为1.37。

2019-04-06 19:32:43

1.37

2019-05-05
trickornot

模型得分为99.86,本次获得排名奖奖金为375

2019-05-05 15:00:01

唱跳RAP打篮球

模型得分为99.71,本次获得排名奖奖金为250

2019-05-05 15:00:01

2019-04-12
唱跳RAP打篮球

模型得分为99.71,本次获得排名奖奖金为375

2019-04-12 15:00:01

smooklazz

模型得分为99.71,本次获得排名奖奖金为250

2019-04-12 15:00:01

2019-04-08
无......有

模型得分为97.27,本次获得实时奖励奖金为0.37

2019-04-08 18:25:54

2019-04-07
trickornot

模型得分为93.96,本次获得实时奖励奖金为0.94

2019-04-07 11:24:16

2019-04-07
smooklazz

模型得分为99.64,本次获得实时奖励奖金为0.01

2019-04-07 02:18:30

smooklazz

模型得分为97.05,本次获得实时奖励奖金为0.73

2019-04-06 22:29:35

周阳

模型得分为97.41,本次获得实时奖励奖金为1.46

2019-04-06 19:33:01

2019-04-06
sinh

模型得分为97.48,本次获得实时奖励奖金为2.93

2019-04-06 15:11:34

Daiccccc

模型得分为98.56,本次获得实时奖励奖金为0.01

2019-04-06 15:10:20

decoo

模型得分为90.65,本次获得实时奖励奖金为0.23

2019-04-06 12:09:13

火炎焱燚

模型得分为99.64,本次获得实时奖励奖金为0.02

2019-04-06 10:22:32

2019-04-06
ROC

模型得分为91.09,本次获得实时奖励奖金为0.47

2019-04-06 03:30:26

kongd

模型得分为93.17,本次获得实时奖励奖金为1.88

2019-04-06 01:41:08

sinh

模型得分为95.54,本次获得实时奖励奖金为1.76

2019-04-05 23:58:44

Winteriscoming

模型得分为92.31,本次获得实时奖励奖金为3.75

2019-04-05 23:25:54

sinh

模型得分为93.53,本次获得实时奖励奖金为7.5

2019-04-05 23:25:00

看你很6哦

模型得分为91.16,本次获得实时奖励奖金为0.94

2019-04-05 22:35:15

Winfield

模型得分为91.16,本次获得实时奖励奖金为1.88

2019-04-05 19:38:00

2019-04-05
cclxx

模型得分为99.57,本次获得实时奖励奖金为0.05

2019-04-05 18:19:36

mingda

模型得分为97.92,本次获得实时奖励奖金为5.86

2019-04-05 17:06:57

红色的小蓝帽

模型得分为92.88,本次获得实时奖励奖金为15

2019-04-05 16:25:12

Winteriscoming

模型得分为91.16,本次获得实时奖励奖金为3.75

2019-04-05 12:28:20

丶人狠话不多

模型得分为99.35,本次获得实时奖励奖金为0.09

2019-04-05 11:27:32

2019-04-05
统治了宇宙的外星人

模型得分为95.83,本次获得实时奖励奖金为3.52

2019-04-05 10:08:39

cclxx

模型得分为95.61,本次获得实时奖励奖金为7.03

2019-04-05 09:50:00

WayPlus

模型得分为98.2,本次获得实时奖励奖金为0.37

2019-04-05 08:14:08

你猜猜我是谁

模型得分为94.1,本次获得实时奖励奖金为14.06

2019-04-05 07:57:51

WayPlus

模型得分为97.41,本次获得实时奖励奖金为11.72

2019-04-05 07:39:41

cclxx

模型得分为92.24,本次获得实时奖励奖金为30

2019-04-05 07:08:48

篠筱筱

模型得分为95.54,本次获得实时奖励奖金为28.13

2019-04-05 07:08:15

唱跳RAP打篮球

模型得分为99.71,本次获得实时奖励奖金为16.73

2019-04-05 05:42:18

Teenage Dream

模型得分为99.28,本次获得实时奖励奖金为1.46

2019-04-05 05:38:17

lyming

模型得分为99.5,本次获得实时奖励奖金为6

2019-04-05 05:03:45

興趣使然的吃瓜少年

模型得分为99.14,本次获得实时奖励奖金为5.86

2019-04-05 04:48:03

lyming

模型得分为99.42,本次获得实时奖励奖金为6

2019-04-05 04:32:27

玥神

模型得分为96.84,本次获得实时奖励奖金为23.44

2019-04-05 02:24:08

2019-04-05
火炎焱燚

模型得分为97.34,本次获得实时奖励奖金为46.88

2019-04-05 01:38:18

Daiccccc

模型得分为96.55,本次获得实时奖励奖金为93.75

2019-04-05 01:26:24

lyming

模型得分为99.28,本次获得实时奖励奖金为23.44

2019-04-05 01:17:25

cclxx

模型得分为91.01,本次获得实时奖励奖金为7.5

2019-04-05 01:11:54

玄学上分

模型得分为98.99,本次获得实时奖励奖金为46.88

2019-04-05 01:05:16

.co

模型得分为93.31,本次获得实时奖励奖金为60

2019-04-05 01:00:34

lightning-zgc

模型得分为99.28,本次获得实时奖励奖金为93.75

2019-04-05 00:51:13

trick_or_treat

模型得分为98.71,本次获得实时奖励奖金为187.5

2019-04-05 00:21:47

lyming

模型得分为94.54,本次获得实时奖励奖金为56.25

2019-04-04 23:49:38

.co

模型得分为90.08,本次获得实时奖励奖金为15

2019-04-04 23:46:36

Daiccccc

模型得分为95.26,本次获得实时奖励奖金为112.5

2019-04-04 23:38:33

善假于物

模型得分为99.35,本次获得实时奖励奖金为503

2019-04-04 23:16:06

trick_or_treat

模型得分为97.56,本次获得实时奖励奖金为1008.5

2019-04-04 23:01:18

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。