常见物体识别

分享给好友

2020-01-07 15:00:00
开始提交

2020-02-06 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 69
参赛权限提示

当前赛题需能力值达到 $vue{itemranking} 才可以正常提交训练哦~

当前赛题仅允许 600 能力值以下的新手可以正常提交训练哦~

报名参赛

绑定你的微信账号

用于本地环境登录和实时接收训练通知

打开微信,使用扫一扫功能分享给好友

绑定你的微信账号

用于本地环境登录和实时接收训练通知

温馨提示

$vue{csv_msg}

知道了
提交结果文件

$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}

$vue{csvName}上传成功
取消 确认提交

提交成功

系统正在测评您的结果文件,

您可通过右侧【我的提交-查看记录详情】进行查看

知道了
  • 赛事介绍
  • 竞赛排行榜
  • 奖金记录
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

本赛题整理了生活中常见的80种物体类别,比如冰箱、文具盒、蜡烛、鞭炮等,希望参赛者能够通过深度学习的方法提高物体识别的准确率。其中训练集、验证集和测试集划分比例为6:2:2.

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

参赛方式

  • 方式一:
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二:
  • 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分,在本地进行代码调试的教程请查看[文档中心]

参赛选手说明

  • 参赛人员身份信息需保证真实、有效,大赛主办方仅将个人信息用于赛事数据授权及颁奖使用
  • 欢迎海内外的在校学生,算法工程师和所有AI爱好者参与
  • 本次竞赛报名形式:以个人形式本地提交作品线上审核,并且以最终提交算法得分作为唯一有效成绩
  • 在比赛截止日期前,团队中成绩最高分作为本团队的最终成绩
  • 报名成功后请加入FlyAI竞赛交流群,一起学习进步!重要通知也将在群内发布,不要错过哦

比赛作品说明

  • 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
  • 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
  • 多开小号报名、提交,一经发现将取消参赛资格
  • 禁止使用外部链接下载代码替换本项目代码
  • 比赛过程中,通过脚本获取比赛数据,成绩无效
  • 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
  • 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
  • 提交的代码具备可解释性并且其它开源框架可复现
  • 所有相似代码将一律不通过审核!!情况多次出现者封号处理
  • 如有发现利用非正常手段作弊行为,奖金一律不发放。之前所获得奖金金额官方有权收回,情节严重者封号处理
  • 提交代码即视为阅读并同意以上比赛作品说明

大赛奖项设置

奖项说明:

奖项设置 获奖人数 奖金额度说明(按最终得分评判)
参与奖(总奖金20%) 所有人 根据基线得分与100分之间,分成5个奖金区间;不同得分区间获得相应的竞赛奖金。
突破奖(总奖金10%) 所有人 更新排行榜最高分数,获得相应的竞赛奖金
排名奖(总奖金70%) 月赛前5名 奖金发放最终以月为单位,前5名获奖占比以K系数表示,分别为:0.45,0.25,0.15,0.1,0.05
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,可通过使用本地调试的方式获取调试数据集。本地调试和提交指南请查看[文档中心]

字段说明:

文件名 字段名称 字段类型 备注
img_path string 不为空 图片的相对路径
label string 不为空 图片的对应类别

评审标准

算法输入输出格式

输入字段: img_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 85分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

快来追我呀

1607.91

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98.86。

2020-02-01 19:41:25

1607.91

98.86

第三名

trickornot

875.00

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98.26。

2020-02-06 12:42:42

875.00

98.26

大神经验
第三名

鹏1577582907

526.00

batch数据为30,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98.05。

2020-01-25 22:34:22

526.00

98.05

4

chenfengshf

1026.00

batch数据为22,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98.01。

2020-01-08 16:02:50

1026.00

98.01

5

大木淡漠

406.25

batch数据为1,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97.84。

2020-01-20 12:43:56

406.25

97.84

6

小林子

1.95

batch数据为22,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97.80。

2020-02-02 02:09:15

1.95

97.80

7

siaya

batch数据为16,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97.37。

2020-01-17 11:46:25

97.37

8

wvinzh

100.00

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97.20。

2020-01-12 18:21:51

100.00

97.20

9

前排板凳瓜子

62.50

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97.12。

2020-01-07 20:21:44

62.50

97.12

10

Mr.Fire

31.25

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97.12。

2020-01-10 01:12:25

31.25

97.12

11

haha-go

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96.65。

2020-01-14 09:07:54

96.65

12

yangsmile

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96.57。

2020-02-03 17:41:16

96.57

13

mki

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96.57。

2020-02-06 12:31:42

96.57

14

dtrimina

12.50

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96.48。

2020-01-09 09:19:36

12.50

96.48

15

qqm

15.63

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96.44。

2020-01-08 05:24:04

15.63

96.44

16

风1567927103

batch数据为16,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96.27。

2020-01-16 19:56:04

96.27

17

一口大怪兽

batch数据为3,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96.06。

2020-01-23 15:37:52

96.06

18

Zy.S

4.29

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95.59。

2020-01-08 22:57:20

4.29

95.59

19

天涯·明月·刀

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95.59。

2020-01-09 21:51:06

95.59

20

Janaldo

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94.79。

2020-01-15 16:20:13

94.79

21

mingda

10.00

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94.70。

2020-01-14 15:45:17

10.00

94.70

22

sigmoid

11.17

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94.36。

2020-01-10 16:11:01

11.17

94.36

23

WYC

13.29

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94.32。

2020-01-08 16:38:12

13.29

94.32

24

宇宙

batch数据为256,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94.28。

2020-02-04 10:15:52

94.28

25

挺好的

20.00

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93.77。

PyTorch

ResU-Net

2020-01-14 19:21:25

20.00

93.77

26

语言沉默

68.75

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93.56。

2020-01-07 22:00:58

68.75

93.56

27

gboy

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93.13。

2020-01-24 13:02:42

93.13

28

咋全是torch嘛

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92.75。

2020-02-01 20:52:37

92.75

29

弱鸡瑟瑟发抖

batch数据为500,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为92.03。

2020-02-04 07:57:30

92.03

30

cyh12315

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91.78。

2020-03-29 20:13:32

91.78

31

Whisney`逸文

20.00

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90.93。

2020-01-07 20:18:21

20.00

90.93

32

黄花寒后难逢蝶

10.00

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90.46。

PyTorch

resnext

2020-01-08 23:37:12

10.00

90.46

33

学霸

10.00

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89.78。

2020-03-06 17:35:24

10.00

89.78

34

208.

20.00

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89.61。

2020-01-08 01:17:37

20.00

89.61

35

alexandsunny

batch数据为1000,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89.32。

2020-04-26 19:46:48

89.32

36

Woz

20.00

batch数据为64,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88.72。

2020-02-02 17:17:23

20.00

88.72

37

勿谓言之不预也

20.00

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88.47。

2020-01-16 16:39:25

20.00

88.47

38

ashora(啊瘦了)

10.00

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87.62。

Keras

Resnet

2020-02-01 04:00:46

10.00

87.62

39

满堂彩

10.00

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87.33。

2020-01-08 13:55:14

10.00

87.33

40

嘻嘻嘻哈哈

10.00

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85.63。

2020-01-08 05:36:41

10.00

85.63

41

altair

10.00

batch数据为64,循环次数为6次,通过在线上环境完成训练,模型最优精度评分为85.04。

2020-03-18 18:10:50

10.00

85.04

42

xys

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84.65。

2020-01-15 17:05:23

84.65

43

暧暖

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84.23。

2020-01-10 16:58:30

84.23

44

小森

batch数据为512,循环次数为80次,通过在线上环境完成训练,模型最优精度评分为83.89。

2020-12-25 04:39:39

83.89

45

Charon1606026494

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83.17。

2020-12-25 19:09:45

83.17

46

天之小森

batch数据为512,循环次数为80次,通过在线上环境完成训练,模型最优精度评分为82.66。

2020-12-25 04:36:18

82.66

47

怎么又错了

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81.22。

2020-01-09 19:11:18

81.22

48

Crazon

batch数据为128,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80.54。

2020-11-23 22:03:50

80.54

49

Angel Wings

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79.74。

2020-01-09 14:21:55

79.74

50

。1577103723

batch数据为128,循环次数为25次,通过在线上环境完成训练,模型最优精度评分为78.76。

2020-01-08 15:58:33

78.76

51

郝飞飞

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78.34。

2021-01-01 17:45:13

78.34

52

Jil

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78.21。

2020-01-08 01:31:51

78.21

53

诗人藏夜里

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78.00。

2020-01-08 01:01:38

78.00

54

allen成

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77.91。

2020-01-10 15:39:40

77.91

55

清风伴酒

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77.83。

2020-03-11 16:06:20

77.83

56

oliver1562911697

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77.74。

PyTorch

LeNet5

2020-01-17 15:43:13

77.74

57

宏沉一笑

batch数据为32,循环次数为25次,通过在线上环境完成训练,模型最优精度评分为77.28。

2020-03-04 17:58:11

77.28

58

莫须有の嚣张

batch数据为32,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77.19。

2020-02-26 18:01:33

77.19

59

朱聪

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76.94。

2020-01-08 17:20:01

76.94

60

SunshineJACK

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76.73。

2020-01-08 19:18:28

76.73

61

yutaohanghaijia

batch数据为16,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76.69。

2020-06-14 10:43:34

76.69

62

AMERICA

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76.64。

2020-01-08 10:05:20

76.64

63

福星高照

batch数据为20,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76.64。

2020-03-16 20:02:10

76.64

64

木风1571634452

batch数据为32,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76.56。

2020-02-06 13:42:21

76.56

65

emmm我还没想好

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76.30。

2020-01-07 17:47:10

76.30

66

rv

batch数据为128,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75.92。

2020-02-15 22:54:27

75.92

67

CQX

batch数据为64,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75.84。

2020-04-22 07:23:51

75.84

68

Nick1557218090

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75.79。

2020-01-22 23:03:38

75.79

69

№ship

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75.46。

2020-06-06 21:42:46

75.46

70

2025

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75.37。

2020-03-07 09:47:16

75.37

71

znce

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74.86。

2021-05-10 11:52:02

74.86

72

L.1603852983

batch数据为128,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74.57。

2020-11-27 02:20:18

74.57

73

flyai会员1577072632

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74.10。

2020-01-07 20:52:36

74.10

74

Coldor

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73.51。

2020-01-08 18:09:00

73.51

75

cyfwry

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72.95。

2020-01-12 17:10:48

72.95

76

芒果母

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72.91。

2020-01-19 12:51:52

72.91

77

Nana

batch数据为16,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71.47。

2020-03-10 22:54:03

71.47

78

叶子依然

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70.54。

2020-02-24 19:27:17

70.54

79

玻纤消光的三叶虫

batch数据为64,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67.91。

2020-01-13 16:35:31

67.91

80

int666

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67.10。

2020-01-20 14:17:05

67.10

81

小团子

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65.20。

2020-01-08 00:33:04

65.20

82

样例代码

batch数据为128,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38.07。

2020-01-07 16:31:08

38.07

83

KKK1573102346

batch数据为20,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11.28。

2020-01-13 18:14:14

11.28

84

Wings0410

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1.61。

2020-01-07 14:00:09

1.61

85

会武功的三脚猫

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1.61。

2020-01-07 14:41:00

1.61

86

木华

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1.61。

2020-01-07 16:44:59

1.61

87

younlp

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1.61。

2020-01-07 16:49:35

1.61

88

starry

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1.61。

2020-01-07 17:09:29

1.61

89

eternalgogi

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1.61。

2020-01-07 17:37:04

1.61

90

Hans1578392216

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1.61。

2020-01-07 18:19:41

1.61

91

χ1578391615

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1.61。

2020-01-07 18:21:22

1.61

92

zs1575436764

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1.61。

2020-01-07 21:11:48

1.61

93

Elon Musk

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1.61。

2020-01-07 21:20:36

1.61

94

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1.61。

2020-01-07 21:38:44

1.61

95

奔跑瞬间

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1.61。

2020-01-08 00:03:42

1.61

96

cnn

batch数据为64,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为1.61。

2020-01-08 09:48:17

1.61

97

zaburo

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1.61。

2020-01-08 12:41:36

1.61

98

陈1578468166

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1.61。

2020-01-08 15:25:28

1.61

99

会飞的猪

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1.61。

2020-01-08 16:28:36

1.61

100

THEO __好好学习叭

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1.61。

2020-01-08 17:59:31

1.61

101

Sariel

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1.61。

2020-01-08 19:23:33

1.61

102

.1578483526

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1.61。

2020-01-08 20:00:52

1.61

103

Iteration

batch数据为45,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1.61。

2020-01-08 21:41:06

1.61

104

奶油小生

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1.61。

2020-01-09 16:58:27

1.61

105

wonderfu

batch数据为64,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1.61。

2020-01-09 23:54:56

1.61

106

Patrick-川平

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1.61。

2020-01-10 15:44:22

1.61

107

北部湾的落日

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1.61。

2020-01-10 19:05:16

1.61

108

遇见未知的自己

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1.61。

2020-01-11 01:54:11

1.61

109

18018592775

batch数据为16,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1.61。

2020-01-11 10:55:08

1.61

110

Novice

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1.61。

2020-01-11 14:57:20

1.61

111

flyai会员1577518484

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1.61。

2020-01-13 16:28:14

1.61

112

水木一

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1.61。

2020-01-13 20:19:40

1.61

113

    1578922318

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1.61。

2020-01-13 21:35:39

1.61

114

jackielyc

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1.61。

2020-01-15 11:35:53

1.61

115

声之行

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1.61。

2020-01-16 15:55:35

1.61

116

rhapsody

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1.61。

2020-01-16 15:56:35

1.61

117

shybee

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1.61。

2020-01-21 14:37:34

1.61

118

Dean

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1.61。

2020-01-21 16:12:51

1.61

119

变向怪杰

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1.61。

2020-01-30 17:25:41

1.61

120

chunlin

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1.61。

2020-01-31 12:58:50

1.61

121

flyai会员1580629981

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1.61。

2020-02-02 16:21:21

1.61

122

米稍拉米稍

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1.61。

2020-02-06 19:05:43

1.61

123

东方明亮

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1.61。

2020-02-09 14:55:34

1.61

124

尽欢(李明)

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1.61。

2020-02-11 20:23:39

1.61

125

赵文一

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1.61。

2020-02-13 16:14:12

1.61

126

前排100分是作弊的吗

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1.61。

2020-02-18 14:37:17

1.61

127

JosonChan

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1.61。

2020-02-20 22:01:29

1.61

128

SingSam

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1.61。

2020-02-23 23:58:51

1.61

129

☆two men.两个人★

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1.61。

2020-02-25 09:19:31

1.61

130

华子

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1.61。

2020-02-25 10:33:11

1.61

131

wsn

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1.61。

2020-03-02 11:15:40

1.61

132

andrew noah

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1.61。

2020-03-05 23:02:42

1.61

133

啧啧啧1583506691

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1.61。

2020-03-06 23:00:21

1.61

134

0.01584070533

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1.61。

2020-03-13 12:05:18

1.61

135

flyai会员1584235048

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1.61。

2020-03-15 09:20:07

1.61

136

张先生-您好

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1.61。

2020-03-22 14:37:24

1.61

137

谭某

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1.61。

2020-04-12 09:39:34

1.61

138

蓝云风翼

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1.61。

2020-04-21 14:46:07

1.61

139

玻璃窗上的苍蝇

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1.61。

2020-06-01 21:19:57

1.61

140

牧游法

batch数据为70,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1.61。

2020-06-06 11:37:59

1.61

141

Guo1593686486

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1.61。

2020-07-02 20:17:44

1.61

142

嗯,有内味了

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1.61。

2020-07-29 15:48:40

1.61

143

CYY8426

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1.61。

2020-08-04 09:19:33

1.61

144

是阿正

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1.61。

2020-09-26 20:02:05

1.61

145

MK1600594158

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1.61。

2020-10-08 21:44:22

1.61

146

flyai会员1602225121

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1.61。

2020-10-09 15:24:28

1.61

147

lhbat

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1.61。

2020-10-18 19:14:20

1.61

148

执笔撰流年

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1.61。

2020-11-12 17:03:13

1.61

149

你是魔鬼吗

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1.61。

2020-11-28 21:06:21

1.61

150

二年级新生

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1.61。

2021-02-05 05:16:53

1.61

151

指间砂

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1.61。

2021-02-23 20:07:29

1.61

152

Kit

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1.61。

2021-04-12 20:51:33

1.61

153

玖耿

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1.48。

2020-01-14 16:31:09

1.48

2020-03-19
altair

模型得分为85.04,本次获得实时奖励奖金为10

2020-03-19 11:42:09

2020-03-16
学霸

模型得分为89.78,本次获得实时奖励奖金为10

2020-03-16 14:10:28

2020-02-07
快来追我呀

模型得分为98.86,本次获得排名奖奖金为1575

2020-02-07 15:00:01

trickornot

模型得分为98.26,本次获得排名奖奖金为875

2020-02-07 15:00:01

鹏1577582907

模型得分为98.05,本次获得排名奖奖金为525

2020-02-07 15:00:01

chenfengshf

模型得分为98.01,本次获得排名奖奖金为350

2020-02-07 15:00:01

大木淡漠

模型得分为97.84,本次获得排名奖奖金为175

2020-02-07 15:00:01

2020-02-04
Woz

模型得分为88.72,本次获得实时奖励奖金为10

2020-02-04 14:51:18

快来追我呀

模型得分为98.86,本次获得实时奖励奖金为29

2020-02-04 14:46:31

ashora(啊瘦了)

模型得分为85.08,本次获得实时奖励奖金为10

2020-02-04 14:19:35

2020-01-28
鹏1577582907

模型得分为98.05,本次获得实时奖励奖金为1

2020-01-28 13:44:04

2020-01-23
Woz

模型得分为87.24,本次获得实时奖励奖金为10

2020-01-23 17:16:09

2020-01-16
勿谓言之不预也

模型得分为88.38,本次获得实时奖励奖金为10

2020-01-16 10:44:47

勿谓言之不预也

模型得分为86.52,本次获得实时奖励奖金为10

2020-01-16 10:44:07

2020-01-13
挺好的

模型得分为88.98,本次获得实时奖励奖金为10

2020-01-13 10:57:13

挺好的

模型得分为85.42,本次获得实时奖励奖金为10

2020-01-13 10:55:44

2020-01-10
mingda

模型得分为86.56,本次获得实时奖励奖金为10

2020-01-10 14:12:29

sigmoid

模型得分为91.56,本次获得实时奖励奖金为1.17

2020-01-10 14:11:09

小林子

模型得分为97.08,本次获得实时奖励奖金为1.95

2020-01-10 14:10:50

快来追我呀

模型得分为97.29,本次获得实时奖励奖金为3.91

2020-01-10 14:10:42

2020-01-08
Zy.S

模型得分为94.23,本次获得实时奖励奖金为1.95

2020-01-08 19:37:58

WYC

模型得分为94.32,本次获得实时奖励奖金为3.91

2020-01-08 19:37:15

chenfengshf

模型得分为98.01,本次获得实时奖励奖金为8

2020-01-08 19:37:08

Zy.S

模型得分为93.47,本次获得实时奖励奖金为2.34

2020-01-08 19:35:55

chenfengshf

模型得分为97.8,本次获得实时奖励奖金为1

2020-01-08 19:34:47

黄花寒后难逢蝶

模型得分为90.29,本次获得实时奖励奖金为10

2020-01-08 19:33:12

满堂彩

模型得分为87.33,本次获得实时奖励奖金为10

2020-01-08 19:32:38

sigmoid

模型得分为88.98,本次获得实时奖励奖金为10

2020-01-08 19:29:47

dtrimina

模型得分为94.28,本次获得实时奖励奖金为7.81

2020-01-08 19:28:40

dtrimina

模型得分为92.2,本次获得实时奖励奖金为4.69

2020-01-08 19:27:44

WYC

模型得分为93.22,本次获得实时奖励奖金为9.38

2020-01-08 19:27:20

嘻嘻嘻哈哈

模型得分为85.63,本次获得实时奖励奖金为10

2020-01-08 19:26:24

qqm

模型得分为94.28,本次获得实时奖励奖金为15.63

2020-01-08 19:24:02

语言沉默

模型得分为93.56,本次获得实时奖励奖金为18.75

2020-01-08 19:20:10

208.

模型得分为89.11,本次获得实时奖励奖金为10

2020-01-08 19:18:09

Mr.Fire

模型得分为96.74,本次获得实时奖励奖金为31.25

2020-01-08 19:18:00

wvinzh

模型得分为96.4,本次获得实时奖励奖金为62.5

2020-01-08 19:16:04

大木淡漠

模型得分为97.2,本次获得实时奖励奖金为31.25

2020-01-08 19:14:18

208.

模型得分为87.28,本次获得实时奖励奖金为10

2020-01-08 19:13:20

前排板凳瓜子

模型得分为97.12,本次获得实时奖励奖金为62.5

2020-01-08 19:12:47

Whisney`逸文

模型得分为90.93,本次获得实时奖励奖金为20

2020-01-08 19:11:11

wvinzh

模型得分为92.41,本次获得实时奖励奖金为37.5

2020-01-08 19:11:00

语言沉默

模型得分为88.77,本次获得实时奖励奖金为40

2020-01-08 19:09:23

语言沉默

模型得分为86.52,本次获得实时奖励奖金为10

2020-01-08 19:08:31

大木淡漠

模型得分为96.69,本次获得实时奖励奖金为125

2020-01-08 19:05:35

chenfengshf

模型得分为97.75,本次获得实时奖励奖金为23

2020-01-08 19:04:35

大木淡漠

模型得分为92.67,本次获得实时奖励奖金为75

2020-01-08 19:02:05

chenfengshf

模型得分为97.08,本次获得实时奖励奖金为644

2020-01-08 19:00:21

讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除
$vue{item.user_name}

$vue{item.title} $vue{item.title}

$vue{items}
$vue{item.like_count}
$vue{item.comment_counts}
$vue{item.comment_counts}
阅读 $vue{item.views}

这里还没有内容哦

挑战者大赛 官方交流群

我的记录

你还没有任何提交记录喔...

使用指南

  • windows客户端
  • windows命令行
  • Mac/Linux

1.进入代码编辑页下载当前代码

2.本地解压缩代码包文件,双击执行 flyai.exe 程序

第一次使用需要使用微信扫码登录 杀毒软件可能会误报,点击信任该程序即可

3.开启 FlyAI-Jupyter 代码调试环境

运行flyai.exe程序,点击"使用jupyter调试"按钮自动打开jupyter lab 操作界面

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

4.下载本地测试数据

运行flyai.exe程序,点击"下载数据"按钮,程序会下载100条调试数据

5.提交训练到GPU

运行flyai.exe程序,点击"提交GPU训练"按钮,代码将自动提交到云端GPU进行训练

返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.打开运行,输入cmd,打开终端

Win+R 输入 cmd

3.使用终端进入到项目的根目录下

cd path\to\project

4.开启 FlyAI-Jupyter 代码调试环境

在终端执行命令 flyai.exe ide 打开调试环境(第一次使用需要使用微信扫码登录)

操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !flyai.exe train 将代码提交到云端GPU免费训练

返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

flyai.exe path=xxx 可以设置自己的Python路径

flyai.exe path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心

1.进入代码编辑页下载当前代码

2.使用终端进入到项目的根目录下

cd path\to\project

3.初始化环境登录

使用如下命令授权 flyai 脚本: chmod +x ./flyai

4.开启 Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境(第一次使用需要使用微信扫码登录) 操作过程有延迟,请耐心等待

运行 run main.py 命令即可在本地训练调试代码

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

或使用终端

执行下列命令本地安装环境并调试

./flyai test 注意:如果出现 permission denied 错误,需使用sudo运行

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

执行test命令,会自动下载100条测试数据到项目下

如果使用本地IDE开发,可以自行安装 requirements.txt 中的依赖,运行 main.py 即可

5.提交训练到GPU

在FlyAI-Jupyter环境下运行 !./flyai train 将代码提交到云端GPU免费训练 返回sucess状态,代表提交离线训练成功,训练结束会以微信和邮件的形式发送结果通知

或者在终端下使用 ./flyai train -b=32 -e=10

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

6.下载本地测试数据

首次成功执行本地调试命令后,将在本地代码包中自动生成"data"数据集文件夹

7.使用自己的Python环境

./flyai path=xxx 可以设置自己的Python路径

./flyai path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心