心脏病诊断预测

分享给好友

2019-04-25 15:00:00
开始提交

2019-05-25 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 249
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

此数据集来自克利夫兰医学研究中心的心脏病患者数据,可用于建立心脏病诊断模型。该数据集包括270个样本,每条数据涵盖了年龄,性别,血浆类固醇含量以及是否患有心脏病等14个属性

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

HeartDisease

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
age int 大于等于 29, 小于等于 77 年龄
sex int 大于等于 0, 小于等于 1 性别
cp int 大于等于 1, 小于等于 4 胸痛类型
trestbps float 不为空 静息血压
chol float 大于等于 126, 小于等于 564 血浆类固醇含量
fbs int 大于等于 0, 小于等于 1 空腹血糖>120mg/dl
restecg int 大于等于 0, 小于等于 2 静息心电图结果
thalach float 大于等于 71, 小于等于 202 最高心率
exang int 大于等于 0, 小于等于 1 运动型心绞痛
oldpeak float 大于等于 0, 小于等于 6.2 运动引起的ST下降
slope int 大于等于 1, 小于等于 3 最大运动量时心电图ST的斜率
ca int 大于等于 0, 小于等于 3 使用荧光染色法测定的主血管数
thal int 大于等于 3, 小于等于 7 THAL
label int 大于等于 0, 小于等于 1 是否患有心脏病

参考文献:

[1]https://www.ajconline.org/article/0002-9149(89)90524-9/abstract

评审标准

算法输入输出格式

输入字段: age, sex, cp, trestbps, chol, fbs, restecg, thalach, exang, oldpeak, slope, ca, thal,

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!
第三名

gboy

118.75

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100.00。

2019-05-02 21:04:10

118.75

100.00

第三名

hhy

75.25

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94.44。

2019-05-04 12:03:38

75.25

94.44

第三名

Fannngxun

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90.74。

2020-02-18 03:50:25

90.74

4

前排100分是作弊的吗

batch数据为250,循环次数为250次,通过在线上环境完成训练,模型最优精度评分为90.74。

2020-02-21 15:25:28

90.74

5

手可摘星辰

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87.04。

2021-08-18 14:58:58

87.04

6

淋雨

batch数据为216,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85.19。

2019-04-29 11:29:03

85.19

7

reallocing

batch数据为512,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85.19。

2019-04-29 13:43:00

85.19

8

Songsong

batch数据为270,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85.19。

2019-04-29 20:37:27

85.19

9

爬行的青蛙

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85.19。

2019-09-27 07:22:42

85.19

10

我有一个亿

batch数据为216,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85.19。

2020-11-26 02:09:12

85.19

11

kongd

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83.33。

2019-04-27 07:09:13

83.33

12

=

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83.33。

2019-04-29 15:08:11

83.33

13

markov_future

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83.33。

2019-05-30 19:20:08

83.33

14

poplar

batch数据为32,循环次数为550次,通过在线上环境完成训练,模型最优精度评分为83.33。

2019-06-05 23:43:47

83.33

15

大佬们带带我

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83.33。

2019-07-02 21:21:01

83.33

16

哭过の眼眸*

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。

2019-12-04 21:09:46

83.33

17

汤包岂是盘中物

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81.48。

2019-04-29 21:34:08

81.48

18

zhiduanqingchang

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81.48。

2019-05-02 06:34:38

81.48

19

imhecc

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81.48。

2019-05-17 14:21:51

81.48

20

EnfantImparfait

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81.48。

2019-05-26 12:46:40

81.48

21

凉心半浅良心人

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81.48。

2019-06-24 10:02:46

81.48

22

雨中冰言

batch数据为300,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81.48。

2019-07-17 04:09:19

81.48

23

麦麦旋风

batch数据为128,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81.48。

2019-08-02 17:14:34

81.48

24

Lucy

batch数据为500,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81.48。

2019-08-24 00:43:13

81.48

25

pjs

batch数据为500,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81.48。

2019-12-04 15:31:26

81.48

26

jesse01

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81.48。

2020-09-01 13:41:57

81.48

27

哦哦

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79.63。

2019-04-26 04:29:19

79.63

28

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79.63。

2019-04-26 07:13:44

79.63

29

WayPlus

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79.63。

2019-04-28 09:55:46

79.63

30

.1556887678

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79.63。

2019-05-04 16:02:01

79.63

31

张洪银

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79.63。

2019-05-07 19:20:24

79.63

32

sw2009

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79.63。

2019-05-11 18:35:46

79.63

33

AiFool

batch数据为1000,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79.63。

2019-05-28 12:24:38

79.63

34

UnlimitedBladeWorks

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79.63。

2019-08-01 11:24:20

79.63

35

ON-looker

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79.63。

2019-08-02 15:23:22

79.63

36

qqm

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79.63。

2019-09-16 18:19:54

79.63

37

任致远。

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79.63。

2019-12-12 16:59:00

79.63

38

张硕

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79.63。

2020-04-02 02:01:06

79.63

39

唱跳RAP打篮球

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77.78。

2019-04-25 22:32:09

77.78

40

江枫渔火

batch数据为64,循环次数为2400次,通过在线上环境完成训练,模型最优精度评分为77.78。

2019-04-26 14:38:36

77.78

41

晨星

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77.78。

2019-04-30 21:41:49

77.78

42

飓风神龙

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77.78。

2019-06-18 12:09:09

77.78

43

杨杨杨

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77.78。

2019-08-06 13:01:41

77.78

44

xxxx

batch数据为100,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77.78。

2020-02-28 23:45:06

77.78

45

变向怪杰

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77.78。

2020-03-17 17:13:29

77.78

46

会员1646651234

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77.78。

2022-03-07 19:49:23

77.78

47

sense&seven

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75.93。

2019-04-26 03:04:33

75.93

48

善假于物

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75.93。

2019-04-26 07:51:51

75.93

49

AMERICA

batch数据为1024,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75.93。

2019-10-09 09:30:37

75.93

50

bnulee

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75.93。

2019-10-14 01:37:00

75.93

51

兔子是菜鸟

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74.07。

2019-04-26 04:32:32

74.07

52

Joshua

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74.07。

2019-04-26 22:35:47

74.07

53

永恒的河流

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74.07。

2019-04-29 21:59:11

74.07

54

cnn

batch数据为50,循环次数为320次,通过在线上环境完成训练,模型最优精度评分为74.07。

2019-07-11 18:33:44

74.07

55

milowang

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72.22。

2019-07-05 06:39:27

72.22

56

胖丁

batch数据为16,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72.22。

2020-11-25 01:30:25

72.22

57

闻剑船书铸扌

batch数据为32,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70.37。

2019-05-02 23:26:25

70.37

58

flyai会员1579075959

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70.37。

2020-01-15 17:39:09

70.37

59

Phoenix

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70.37。

2020-03-06 01:49:02

70.37

60

小豆

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70.37。

2020-11-24 18:57:28

70.37

61

悟悟悟

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68.52。

2019-04-28 18:24:25

68.52

62

痴于未知

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68.52。

2019-07-11 11:07:34

68.52

63

桑染

batch数据为200,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68.52。

2019-08-14 16:54:26

68.52

64

★八百标兵奔北坡

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68.52。

2019-10-01 20:53:31

68.52

65

onesty

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68.52。

2020-10-18 00:56:44

68.52

66

sunset

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66.67。

2019-04-30 22:15:45

66.67

67

allen成

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66.67。

2019-05-08 10:18:50

66.67

68

Hong1562300310

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66.67。

2019-07-05 20:41:49

66.67

69

绝缘体

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66.67。

2019-08-06 21:57:54

66.67

70

捷嘉達

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66.67。

2019-08-22 19:49:02

66.67

71

纯乾初十

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66.67。

2019-08-22 23:22:27

66.67

72

陈均泳

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66.67。

2019-08-27 00:14:30

66.67

73

被算法耽误的歌手

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66.67。

2019-10-29 13:52:32

66.67

74

QiAn Wang 王奇安

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66.67。

2020-01-31 16:44:23

66.67

75

Yvette

batch数据为32,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66.67。

2020-02-13 13:55:42

66.67

76

Wayne1586786613

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66.67。

2020-04-14 15:05:39

66.67

77

力口贝世因心

batch数据为256,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66.67。

2020-04-15 20:57:32

66.67

78

NLF

batch数据为8,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66.67。

2020-05-31 18:35:41

66.67

79

xfzhou

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66.67。

2020-06-10 14:29:13

66.67

80

ChangeBio

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64.81。

2019-04-30 03:50:58

64.81

81

看你很6哦

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59.26。

2019-04-26 15:13:26

59.26

82

paul1558836028

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59.26。

2019-05-26 13:52:04

59.26

83

Frodo_X

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59.26。

2019-07-15 12:18:48

59.26

84

lfywork

batch数据为10,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59.26。

2019-07-15 18:36:55

59.26

85

dushougudu

batch数据为128,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59.26。

2019-08-04 11:47:54

59.26

86

chenfengshf

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59.26。

2019-08-11 16:40:04

59.26

87

Jeremy

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59.26。

2019-08-27 18:57:34

59.26

88

cneday

batch数据为200,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59.26。

2019-09-22 11:47:17

59.26

89

MagnoliaZ

batch数据为27,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59.26。

2019-11-04 13:34:42

59.26

90

弱鸡瑟瑟发抖

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59.26。

2020-02-17 20:19:53

59.26

91

cyh12315

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59.26。

2020-03-24 00:05:54

59.26

92

nigeiwochi

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12.96。

2019-07-18 23:50:19

12.96

93

丨breeze丨

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9.26。

2019-08-03 11:50:48

9.26

94

ljy

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9.26。

2019-09-06 15:21:57

9.26

95

MR_MAD

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9.26。

2019-09-10 23:10:09

9.26

96

晨风

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9.26。

2019-09-13 10:44:56

9.26

97

吴博伦

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9.26。

2019-09-18 11:43:49

9.26

98

idleuncle

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9.26。

2019-09-18 13:28:19

9.26

99

为人民服务

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9.26。

2019-09-19 17:25:52

9.26

100

离巽

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9.26。

2019-10-05 15:22:06

9.26

101

会员1570584206

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9.26。

2019-10-09 09:27:04

9.26

102

louis

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9.26。

2019-10-09 09:43:59

9.26

103

Lettice

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9.26。

2019-10-15 13:11:56

9.26

104

Coisini

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9.26。

2019-10-21 12:55:30

9.26

105

Angel Wings

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9.26。

2019-10-21 23:15:11

9.26

106

刘森林

batch数据为64,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9.26。

2019-10-24 18:40:23

9.26

107

cangfengzhiyi

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9.26。

2019-10-25 15:57:19

9.26

108

陈浩

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9.26。

2019-10-30 10:03:05

9.26

109

一分数科

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9.26。

2019-10-30 17:02:49

9.26

110

努力的小蜗牛

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9.26。

2019-10-31 22:43:50

9.26

111

东流

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9.26。

2019-11-01 11:28:15

9.26

112

居易

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9.26。

2019-11-04 08:30:02

9.26

113

结实

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9.26。

2019-11-04 14:16:19

9.26

114

carpe diem1573628257

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9.26。

2019-11-13 14:59:38

9.26

115

L Y

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9.26。

2019-11-13 15:53:50

9.26

116

Regexz

batch数据为250,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9.26。

2019-11-13 18:44:55

9.26

117

敏捷的棕毛狐李越过了那只懒狗

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9.26。

2019-11-18 01:43:59

9.26

118

胡图图

batch数据为640,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9.26。

2019-11-18 11:04:09

9.26

119

朽木自雕

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9.26。

2019-11-20 15:51:19

9.26

120

DM2019_NUDT旭旭旭儿阿

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9.26。

2019-11-26 16:14:16

9.26

121

Axhy

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9.26。

2019-11-26 20:32:33

9.26

122

XingXing

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9.26。

2019-11-28 17:39:54

9.26

123

Tiger

batch数据为200,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9.26。

2019-12-05 14:40:44

9.26

124

花火

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9.26。

2019-12-05 15:57:17

9.26

125

有始有终

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9.26。

2019-12-11 23:50:19

9.26

126

mengyays

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9.26。

2019-12-12 11:04:00

9.26

127

思坦

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9.26。

2019-12-28 10:17:03

9.26

128

黄超然

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9.26。

2020-01-08 14:49:10

9.26

129

Iteration

batch数据为12,循环次数为22次,通过在线上环境完成训练,模型最优精度评分为9.26。

2020-01-08 21:55:10

9.26

130

曹明路

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9.26。

2020-01-14 14:00:14

9.26

131

TSSR

batch数据为10,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9.26。

2020-01-20 15:34:24

9.26

132

园丁

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9.26。

2020-01-21 23:17:10

9.26

133

芷铭

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9.26。

2020-01-28 15:44:46

9.26

134

zyz

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9.26。

2020-02-01 20:08:24

9.26

135

feejee

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9.26。

2020-02-06 15:26:03

9.26

136

约翰

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9.26。

2020-02-16 23:36:21

9.26

137

々烟尽あ浮华々

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9.26。

2020-02-22 15:02:53

9.26

138

金垚

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9.26。

2020-02-27 14:28:14

9.26

139

、Drama

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9.26。

2020-02-27 21:11:05

9.26

140

flyai会员1585057637

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9.26。

2020-03-24 21:52:12

9.26

141

flyai会员1585236634

batch数据为46,循环次数为23次,通过在线上环境完成训练,模型最优精度评分为9.26。

2020-03-26 23:36:32

9.26

142

kaixin1002

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9.26。

2020-04-02 14:19:25

9.26

143

nana92

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9.26。

2020-04-03 16:06:23

9.26

144

碎碎冰

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9.26。

2020-04-06 16:22:54

9.26

145

Chen1586672303

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9.26。

2020-04-12 15:24:11

9.26

146

~ - ~

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9.26。

2020-04-18 23:16:56

9.26

147

几星霜的思念

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9.26。

2020-04-28 22:39:27

9.26

148

冬冬

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9.26。

2020-05-15 17:06:43

9.26

149

Joker1590238483

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9.26。

2020-05-23 20:56:57

9.26

150

y1564472601

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9.26。

2020-05-27 10:29:54

9.26

151

Dun

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9.26。

2020-05-31 18:08:03

9.26

152

x

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9.26。

2020-06-23 19:31:35

9.26

153

莫若清漆

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9.26。

2020-06-25 10:57:24

9.26

154

Kokoro

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9.26。

2020-07-03 14:40:33

9.26

155

1289766752

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9.26。

2020-07-10 21:12:26

9.26

156

老杜.

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9.26。

2020-07-21 01:16:55

9.26

157

阿卡林省阿卡林

batch数据为100,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9.26。

2020-09-19 16:30:06

9.26

158

Echooo

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9.26。

2020-10-04 15:38:47

9.26

159

程小镍

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9.26。

2020-10-07 08:04:41

9.26

160

flyai会员1603545094

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9.26。

2020-10-24 21:14:11

9.26

161

王荣胜

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9.26。

2020-10-27 10:08:21

9.26

162

Rls

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9.26。

2020-11-01 17:31:50

9.26

163

杨小刀

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9.26。

2020-11-01 19:24:47

9.26

164

是阿正

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9.26。

2020-12-14 09:18:14

9.26

165

小锟G.M

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9.26。

2021-04-08 16:58:51

9.26

166

flyai会员1619966701

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9.26。

2021-05-02 22:48:16

9.26

167

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9.26。

2021-07-01 15:40:29

9.26

168

片瓦琉璃

batch数据为10,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9.26。

2021-11-24 21:08:45

9.26

169

Double __zZ;

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9.26。

2021-12-25 16:28:42

9.26

2019-05-25
hhy

模型得分为94.44,本次获得排名奖奖金为37.5

2019-05-25 15:00:02

gboy

模型得分为100,本次获得排名奖奖金为62.5

2019-05-25 15:00:02

2019-05-06
hhy

模型得分为94.44,本次获得排名奖奖金为25

2019-05-06 15:00:02

gboy

模型得分为100,本次获得排名奖奖金为37.5

2019-05-06 15:00:02

2019-05-05
hhy

模型得分为94.44,本次获得实时奖励奖金为11.25

2019-05-05 10:25:08

2019-05-04
gboy

模型得分为100,本次获得实时奖励奖金为18.75

2019-05-04 11:07:35

hhy

模型得分为90.74,本次获得实时奖励奖金为1.5

2019-05-04 11:07:30

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。