口罩佩戴检测

分享给好友

2020-02-19 12:00:00
开始提交

2020-03-19 20:00:00
最终提交结束

自由训练

奖金池 ¥ 2000
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
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

国家卫生健康委疾控局近日发布了《预防新型冠状病毒感染的肺炎口罩使用指南》,指南中明确指出口罩是预防呼吸道传染病的重要防线,可以降低新型冠状病毒感染风险。口罩不仅可以防止病人喷射飞沫,降低飞沫量和喷射速度,还可以阻挡含病毒的飞沫核,防止佩戴者吸入。因此在全民抗疫时期,在公共场所佩戴口罩等防护装备已成为防疫常识。

为了更加有效的监督大家佩戴口罩,我们开展了这次口罩佩戴检测的比赛。本赛题数据训练集、验证集和测试集划分比例为6:2:2.

对应的标签数据说明:每行格式为 x_min, y_min, x_max, y_max, label。其中label为0表示没有佩戴口罩,label为1表示有佩戴口罩。

参赛须知

参赛时间:2020.02.19 12:00:00-2020.03.19 20:00:00

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)
第一名 1人 1000元奖金 + 2000分钟Tesla-GPU云端训练时长
第二名 1人 600元奖金 + 1000分钟Tesla-GPU云端训练时长
第三名 1人 400元奖金 + 500分钟Tesla-GPU云端训练时长
参与奖 排行4-10名 500分钟Tesla-GPU云端训练时长

奖励获取要求:

  • 上线时间:2020-02-19
  • 月排名奖结算时间:2020-03-19 20:00:00
  • 奖金获取标准:60<Score 按照得分比例获取奖金
  • 排名奖发放完毕前5名参赛者需提供文档格式赛题解决思路和15分钟以上的PPT答辩视频(FlyAI提供模版)

赛事主题和数据说明

赛题描述

国家卫生健康委疾控局近日发布了《预防新型冠状病毒感染的肺炎口罩使用指南》,指南中明确指出口罩是预防呼吸道传染病的重要防线,可以降低新型冠状病毒感染风险。为了更加有效的监督大家佩戴口罩,我们开展了这次口罩佩戴检测的比赛,要求参赛者建立准确的目标检测模型,用于检测是否佩戴口罩。

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
image_path string 不为空 图片的相对路径
label_path string 不为空 标签的相对路径

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: label_path,

评审指标说明

  • mAP: mean Average Precision, 即各类别AP的平均值
  • AP: Precision-Recall曲线下的面积
  • 其中在计算AP时,IOU阈值设置为0.5
  • 计算公式如下:
  • 评审计算公式

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 60分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

Liyw

batch数据为1,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97.95。

2020-03-14 07:49:46

97.95

大神经验
第三名

wherly

batch数据为1,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97.82。

2020-03-19 03:38:33

97.82

第三名

cbj

batch数据为1,循环次数为9次,通过在线上环境完成训练,模型最优精度评分为97.62。

2020-03-18 15:08:57

97.62

大神经验
4

1+1=⑨

batch数据为2,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97.49。

2020-03-17 05:25:52

97.49

5

进flying

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97.47。

2020-03-19 16:39:36

97.47

6

liangjia

batch数据为2,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97.06。

2020-03-17 11:32:42

97.06

7

chenyouxin113

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97.00。

2020-03-12 19:15:33

97.00

8

大木淡漠

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96.84。

2020-03-14 14:47:14

96.84

9

风思风言

batch数据为1,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96.62。

2020-03-13 16:28:50

96.62

10

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96.32。

2020-03-14 15:55:50

96.32

11

小林子

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95.84。

2020-03-15 19:54:18

95.84

12

Qian

batch数据为1,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95.31。

PyTorch

FasterRcnn

2020-02-28 17:32:11

95.31

13

chenfengshf

batch数据为1,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94.94。

PyTorch

FasterRcnn

2020-02-24 19:45:05

94.94

14

流年相摧

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94.64。

2020-03-12 16:27:16

94.64

15

白开水大叔

batch数据为2,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94.53。

2020-03-06 11:54:44

94.53

16

蜡笔小新1576749732

batch数据为1,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94.43。

2020-03-11 11:28:51

94.43

17

超级分分分分

batch数据为2,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93.04。

2020-03-08 14:43:44

93.04

18

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92.17。

2020-02-29 20:11:54

92.17

19

天涯·明月·刀

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92.10。

2020-03-19 11:27:11

92.10

20

altair

batch数据为8,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92.03。

2020-03-12 15:42:26

92.03

21

uft

batch数据为2,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为91.69。

2020-03-11 11:28:08

91.69

22

每天都要进步

batch数据为8,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90.60。

2020-03-13 21:02:26

90.60

23

zoey_233

batch数据为2,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。

2020-02-25 15:07:29

89.78

24

南方

batch数据为2,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为89.55。

2020-03-01 17:42:44

89.55

25

墨黎

batch数据为1,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85.91。

2020-03-11 11:28:28

85.91

26

我兔了

batch数据为1,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85.79。

2020-03-04 16:39:16

85.79

27

WYC

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85.15。

2020-02-23 19:40:56

85.15

28

远哥哥

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80.84。

2020-03-14 17:20:20

80.84

29

cverwww

batch数据为10,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66.22。

2020-03-03 01:14:02

66.22

30

trickornot

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22.65。

2020-03-10 22:15:32

22.65

31

韬小虾

batch数据为8,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17.12。

2020-02-26 00:20:43

17.12

32

莫须有の嚣张

batch数据为1,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13.75。

2020-03-18 19:17:11

13.75

33

张小张

batch数据为5,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为11.73。

2020-02-28 11:10:19

11.73

34

前排板凳瓜子

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10.36。

2020-03-17 17:04:34

10.36

35

cyfwry

batch数据为8,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3.97。

2020-03-02 10:26:32

3.97

36

妮妮妮

batch数据为5,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3.22。

2020-03-16 23:21:28

3.22

37

AI是啥

batch数据为1,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1.99。

2020-03-12 17:36:48

1.99

38

淋雨

batch数据为12,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1.60。

2020-02-22 23:41:56

1.60

39

Hi_GO!

batch数据为6,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1.41。

2020-03-12 12:22:35

1.41

40

flyai会员1578018374

batch数据为4,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.95。

2020-03-08 14:57:45

0.95

41

likyoo

batch数据为1,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0.50。

2020-03-06 18:18:19

0.50

42

sw2009

batch数据为2,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0.42。

2020-02-24 15:23:56

0.42

43

qqqccc

batch数据为2,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0.30。

2020-03-12 12:36:02

0.30

44

ahaaaa

batch数据为8,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0.16。

PyTorch

FasterRcnn

2020-02-18 18:46:44

0.16

45

目光所及

batch数据为1,循环次数为30次,通过在线上环境完成训练,模型最优精度评分为0.15。

2020-03-04 20:10:26

0.15

46

闻韶

batch数据为8,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0.12。

2020-02-27 00:38:53

0.12

47

鹏1577582907

batch数据为10,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0.04。

2020-03-05 00:32:09

0.04

48

玩家一号

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0.03。

2020-02-19 16:59:02

0.03

49

绿肥红瘦

batch数据为1,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0.03。

2020-02-19 18:36:57

0.03

50

joker1582181898

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0.03。

2020-02-20 15:03:54

0.03

51

flyai会员1582184236

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0.03。

2020-02-20 15:40:25

0.03

52

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0.03。

2020-02-20 16:18:44

0.03

53

影流之主

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0.03。

2020-02-20 18:25:42

0.03

54

守候

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0.03。

2020-02-20 18:36:34

0.03

55

会员1582272099

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0.03。

2020-02-21 17:57:07

0.03

56

云淡风轻

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0.03。

2020-02-23 15:19:41

0.03

57

YSD

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0.03。

2020-02-23 19:33:14

0.03

58

吴开顺

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0.03。

2020-02-23 20:13:53

0.03

59

乐乐1582460073

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0.03。

2020-02-23 20:21:21

0.03

60

lil-wei

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0.03。

2020-02-23 21:59:30

0.03

61

Heaven

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0.03。

2020-02-25 09:37:39

0.03

62

沈多多

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0.03。

2020-02-25 10:55:24

0.03

63

啸xiao

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0.03。

2020-02-25 11:52:34

0.03

64

漩涡鸣人

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0.03。

2020-02-25 12:14:09

0.03

65

龙猫君

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0.03。

2020-02-25 16:12:17

0.03

66

雪鹰

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0.03。

2020-02-25 21:17:00

0.03

67

小虎丶

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0.03。

2020-02-26 16:03:17

0.03

68

慎独1582368115

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0.03。

2020-02-26 19:15:47

0.03

69

flyai会员1582425419

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0.03。

2020-02-26 20:59:14

0.03

70

AI小助手

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0.03。

2020-02-27 11:47:08

0.03

71

娜乌穸卡

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0.03。

2020-02-27 15:56:00

0.03

72

Anding

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0.03。

2020-02-27 16:41:54

0.03

73

来吾导夫先路

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0.03。

2020-02-27 19:11:15

0.03

74

¥你好胸 我没胸¥

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0.03。

2020-02-27 20:32:16

0.03

75

蛋蛋白

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0.03。

2020-02-27 21:27:45

0.03

76

布鲁克林的首席男模

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0.03。

2020-02-27 22:32:15

0.03

77

平生欢

batch数据为100,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0.03。

2020-02-28 11:13:56

0.03

78

♡雅俗共赏

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0.03。

2020-02-28 11:26:54

0.03

79

会员1582874156

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0.03。

2020-02-28 15:20:37

0.03

80

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0.03。

2020-02-28 17:07:13

0.03

81

代斌

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0.03。

2020-02-29 10:35:12

0.03

82

flyai会员1582947277

batch数据为1,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0.03。

2020-02-29 11:45:42

0.03

83

刘戈lg

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0.03。

2020-02-29 22:05:50

0.03

84

虚怀若谷

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0.03。

2020-03-01 15:16:02

0.03

85

叶骞

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0.03。

2020-03-01 21:27:26

0.03

86

T&X

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0.03。

2020-03-03 11:58:43

0.03

87

张先生

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0.03。

2020-03-03 14:34:30

0.03

88

傲寒

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0.03。

2020-03-03 14:42:16

0.03

89

陌上叁仟

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0.03。

2020-03-03 15:19:39

0.03

90

南北1583293891

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0.03。

2020-03-04 11:53:39

0.03

91

变向怪杰

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0.03。

2020-03-04 16:49:51

0.03

92

dx9527

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0.03。

2020-03-04 16:56:00

0.03

93

会武功的三脚猫

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0.03。

2020-03-04 17:23:29

0.03

94

学霸

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0.03。

2020-03-04 17:56:24

0.03

95

欢腾的大鼠

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0.03。

2020-03-04 19:34:53

0.03

96

flyai会员1576547017

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0.03。

2020-03-05 17:44:44

0.03

97

yaa จุ๊บ

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0.03。

2020-03-05 18:06:46

0.03

98

JIHO

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0.03。

2020-03-06 21:18:13

0.03

99

flyai会员1581407757

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0.03。

2020-03-07 18:27:47

0.03

100

seabear

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0.03。

2020-03-08 16:53:40

0.03

101

PJiii

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0.03。

2020-03-08 22:04:37

0.03

102

不想说话

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0.03。

2020-03-09 08:13:00

0.03

103

FireCat

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0.03。

2020-03-09 12:47:56

0.03

104

deeper

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0.03。

2020-03-09 20:32:38

0.03

105

ph1583683486

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0.03。

2020-03-11 00:03:29

0.03

106

紫杉1583678950

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0.03。

2020-03-11 21:48:28

0.03

107

Trent_tangtao

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0.03。

2020-03-12 10:36:41

0.03

108

Zemel

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0.03。

2020-03-12 13:46:54

0.03

109

名侦探Koin

batch数据为8,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0.03。

2020-03-12 16:38:14

0.03

110

Henry1584001383

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0.03。

2020-03-12 16:40:56

0.03

111

mlazio

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0.03。

2020-03-12 20:41:56

0.03

112

loading

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0.03。

2020-03-13 14:01:34

0.03

113

Nana

batch数据为15,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0.03。

2020-03-14 00:12:08

0.03

114

flyai会员1576065210

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0.03。

2020-03-15 06:21:40

0.03

115

konfident

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0.03。

2020-03-17 13:30:02

0.03

116

newboy112233

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0.03。

2020-03-17 23:05:48

0.03

117

葉山柚子

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0.03。

2020-03-19 15:23:44

0.03

118

hw

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0.03。

2020-03-19 23:32:18

0.03

119

市长先生

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0.00。

2020-03-01 00:27:20

0.00

120

骡子吃番茄

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0.00。

2020-03-13 00:49:52

0.00

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