5种花分类

分享给好友

2019-04-30 15:00:00
开始提交

2019-05-30 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 98
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

该数据集包含5种不同种类的花的彩色图片,类别包括玫瑰,向日葵,雏菊,蒲公英和郁金香。使用该数据集对5种花进行分类。

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
type int 不为空 图片上对应花的名字
label float 大于等于 0, 小于等于 4 图片的标注标签

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!
第三名

=

143.00

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100.00。

2019-05-13 17:42:27

143.00

100.00

第三名

看你很6哦

268.00

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98.91。

2019-05-01 11:10:36

268.00

98.91

第三名

xeoner

45.70

batch数据为32,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95.50。

2019-05-12 19:47:38

45.70

95.50

4

gboy

71.40

batch数据为32,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94.69。

2019-05-03 00:04:30

71.40

94.69

5

木森

2.25

batch数据为32,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94.69。

2020-01-10 10:50:53

2.25

94.69

6

gezp

164.60

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94.14。

2019-05-01 10:53:25

164.60

94.14

7

兔子是菜鸟

1.60

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93.60。

2019-05-01 16:10:41

1.60

93.60

8

yangsmile

5.80

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93.05。

2019-05-05 15:11:32

5.80

93.05

9

rhapsody

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92.51。

2019-12-02 14:27:13

92.51

10

saber666

batch数据为1000,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91.01。

2019-11-15 16:34:56

91.01

11

y轴

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90.19。

2019-06-08 16:36:30

90.19

12

jianbin.xu

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88.56。

2019-05-18 07:06:49

88.56

13

weiliming

batch数据为512,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87.47。

2019-06-19 15:48:15

87.47

14

淋雨

batch数据为512,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86.92。

2019-05-01 10:37:26

86.92

15

纶巾

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84.33。

2019-06-13 08:34:17

84.33

16

myue

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82.29。

2019-12-03 16:40:03

82.29

17

jhp

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81.47。

2019-05-02 19:56:08

81.47

18

sunset

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80.25。

2019-05-03 18:27:27

80.25

19

ChangeBio

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79.16。

2019-05-07 08:07:29

79.16

20

xuejiabin

batch数据为32,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76.29。

2019-11-23 08:05:16

76.29

21

clayne

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75.61。

2019-11-22 06:12:08

75.61

22

惊鸿飞雪

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68.12。

2019-05-05 20:53:50

68.12

23

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68.12。

2019-05-07 09:03:00

68.12

24

Seeney

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67.44。

2019-05-11 00:37:00

67.44

25

Silence

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65.26。

2019-05-02 23:03:18

65.26

26

kongd

batch数据为128,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64.44。

2019-05-01 04:48:52

64.44

27

zhiduanqingchang

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63.62。

2019-05-02 06:16:27

63.62

28

李渊

batch数据为32,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63.22。

2019-12-19 16:36:47

63.22

29

GodLovesJonny

batch数据为64,循环次数为400次,通过在线上环境完成训练,模型最优精度评分为61.99。

2019-05-06 04:52:36

61.99

30

paul1558836028

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61.99。

2019-05-27 11:07:27

61.99

31

听雪夜阁

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61.85。

2019-11-19 23:00:52

61.85

32

xaioqiang

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61.04。

2019-08-23 21:21:53

61.04

33

Secbone

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60.35。

2019-08-05 19:24:13

60.35

34

我爱吃西瓜

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59.67。

2019-05-14 19:26:14

59.67

35

王璐

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58.72。

2019-05-21 23:14:52

58.72

36

clover1557021516

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57.90。

2019-05-06 20:11:30

57.90

37

DDBG

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57.90。

2019-05-25 23:17:41

57.90

38

命运.

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57.77。

2019-08-02 22:50:12

57.77

39

R.Lee

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57.63。

2019-05-16 11:30:36

57.63

40

Gifford

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56.13。

2019-05-02 12:43:05

56.13

41

wbxing

batch数据为512,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56.13。

2019-05-04 17:20:40

56.13

42

韩天啸

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55.86。

2019-09-24 02:49:01

55.86

43

清道夫

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53.27。

2019-08-30 11:15:42

53.27

44

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53.27。

2019-09-03 20:59:26

53.27

45

傲寒

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53.27。

2019-09-09 20:43:13

53.27

46

luita212

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53.27。

2019-09-10 13:47:20

53.27

47

沧海

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53.27。

2019-09-11 22:48:27

53.27

48

Jeremy

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53.27。

2019-09-16 13:51:27

53.27

49

Andy1559348164

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53.27。

2019-09-18 23:09:20

53.27

50

Trent_tangtao

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53.27。

2019-09-22 21:02:07

53.27

51

qqqqqqjie

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53.27。

2019-10-05 21:55:38

53.27

52

ice

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53.27。

2019-10-07 15:02:40

53.27

53

喵星人

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53.27。

2019-10-16 16:11:56

53.27

54

なんか行ける気がする

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53.27。

2019-10-19 19:15:27

53.27

55

Mona

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53.27。

2019-10-22 21:50:56

53.27

56

Ren_Dotcom

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53.27。

2019-10-23 13:21:26

53.27

57

赵鹏0103

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53.27。

2019-10-26 13:19:31

53.27

58

Murphy_Marx

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53.27。

2019-10-28 16:09:23

53.27

59

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53.27。

2019-10-28 18:10:13

53.27

60

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53.27。

2019-10-31 09:05:31

53.27

61

小胖子今天健身了嘛?

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53.27。

2019-10-31 15:11:30

53.27

62

梦帆

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53.27。

2019-10-31 15:30:58

53.27

63

Dijkstra

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53.27。

2019-11-01 20:33:24

53.27

64

张超

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53.27。

2019-11-04 16:18:10

53.27

65

Hedy

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53.27。

2019-11-05 14:36:25

53.27

66

LHC

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53.27。

2019-11-06 15:46:05

53.27

67

Despicable Me

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53.27。

2019-11-06 15:54:20

53.27

68

鲁隽魁

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53.27。

2019-11-10 22:54:05

53.27

69

timelesszxl1024

batch数据为64,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53.27。

2019-11-14 19:28:04

53.27

70

姬了个喵

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53.27。

2019-11-16 17:01:28

53.27

71

aaaxxx

batch数据为1000,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53.27。

2019-11-17 10:49:16

53.27

72

mask

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53.27。

2019-11-17 15:20:32

53.27

73

Williamhx

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53.27。

2019-11-18 10:30:19

53.27

74

may831day

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53.27。

2019-11-18 21:49:32

53.27

75

Mr . White

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53.27。

2019-11-19 20:51:45

53.27

76

shield

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53.27。

2019-11-22 23:02:55

53.27

77

Hollens

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53.27。

2019-11-25 23:50:19

53.27

78

D_Keplerのϟ

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53.27。

2019-11-27 17:54:33

53.27

79

Rush Hour

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53.27。

2019-11-30 19:37:13

53.27

80

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53.27。

2019-12-04 16:14:57

53.27

81

Mr. Porseidon

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53.27。

2019-12-04 23:24:22

53.27

82

flyai会员1576345548

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53.27。

2019-12-15 12:45:24

53.27

83

JcAgito

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53.27。

2019-12-19 11:08:42

53.27

84

小雨点

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53.27。

2020-01-03 13:46:52

53.27

85

张zc

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53.27。

2020-01-03 14:27:04

53.27

86

Yvette

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53.27。

2020-02-13 11:56:42

53.27

87

zhangqingbo

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53.27。

2020-03-01 16:36:47

53.27

88

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53.27。

2020-03-04 16:40:58

53.27

89

胖虎

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53.27。

2020-04-20 23:41:39

53.27

90

fl4616

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53.27。

2020-04-29 15:10:15

53.27

91

充电宝罢工了

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53.27。

2020-05-17 17:05:54

53.27

92

Spring·Field·H

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53.27。

2020-05-18 07:32:48

53.27

93

看到我请叫我去学习

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53.27。

2020-06-28 21:49:02

53.27

94

谨言。

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53.27。

2020-07-05 09:20:35

53.27

95

游神

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53.27。

2020-07-19 16:29:05

53.27

96

orangecyj

batch数据为1000,循环次数为36次,通过在线上环境完成训练,模型最优精度评分为53.27。

2020-09-05 18:54:49

53.27

97

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53.27。

2020-09-26 20:07:16

53.27

98

flyai会员1606640575

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53.27。

2020-11-29 17:06:26

53.27

99

together

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53.27。

2021-04-26 18:15:55

53.27

100

flyai会员1640095736

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53.27。

2022-01-26 23:51:33

53.27

101

flyai会员1646224614

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53.27。

2022-03-02 20:51:28

53.27

102

ROC

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51.50。

2019-05-01 13:29:45

51.50

103

星光与默示

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48.50。

2019-05-04 18:09:17

48.50

104

hiccup

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48.37。

2020-03-19 09:10:44

48.37

105

梦穸风呓

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47.14。

2019-05-09 10:08:15

47.14

106

flyai会员1621559486

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47.14。

2021-05-21 10:22:38

47.14

107

jky

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40.46。

2019-05-01 12:01:21

40.46

108

Reluminia

batch数据为128,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38.28。

2019-05-15 12:02:15

38.28

109

Keven Ge

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36.65。

2020-02-29 16:43:12

36.65

110

我是特种兵1557281850

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34.33。

2019-05-16 20:52:55

34.33

111

玻璃窗上的苍蝇

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34.06。

2019-05-16 00:37:21

34.06

112

哇咔咔

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33.65。

2019-05-01 11:24:48

33.65

113

个丝得啊~

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27.79。

2019-10-15 05:13:33

27.79

114

chyang

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23.84。

2019-05-01 17:22:37

23.84

115

嘿嘿

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23.57。

2019-05-03 16:37:33

23.57

116

刘俊

batch数据为500,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23.43。

2019-09-09 20:36:34

23.43

117

五月^V^

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23.43。

2019-12-24 18:46:30

23.43

118

大山1563190752

batch数据为10,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22.75。

2020-02-25 00:07:13

22.75

2020-01-10
木森

模型得分为94.55,本次获得实时奖励奖金为2.25

2020-01-10 14:15:00

2019-05-30
看你很6哦

模型得分为98.91,本次获得排名奖奖金为60

2019-05-30 15:00:02

xeoner

模型得分为95.5,本次获得排名奖奖金为40

2019-05-30 15:00:02

=

模型得分为100,本次获得排名奖奖金为100

2019-05-30 15:00:02

2019-05-14
=

模型得分为100,本次获得实时奖励奖金为43

2019-05-14 14:04:43

2019-05-13
xeoner

模型得分为94.28,本次获得实时奖励奖金为4.5

2019-05-13 10:57:18

xeoner

模型得分为90.74,本次获得实时奖励奖金为1.2

2019-05-13 10:57:09

2019-05-07
gboy

模型得分为94.69,本次获得排名奖奖金为60

2019-05-07 15:00:01

看你很6哦

模型得分为98.91,本次获得排名奖奖金为100

2019-05-07 15:00:01

gezp

模型得分为94.14,本次获得排名奖奖金为40

2019-05-07 15:00:01

2019-05-04
gboy

模型得分为94.69,本次获得实时奖励奖金为9

2019-05-04 11:07:06

2019-05-01
看你很6哦

模型得分为98.91,本次获得实时奖励奖金为108

2019-05-01 12:25:02

gezp

模型得分为94.14,本次获得实时奖励奖金为25

2019-05-01 11:03:24

兔子是菜鸟

模型得分为93.32,本次获得实时奖励奖金为1.6

2019-05-01 11:03:14

gezp

模型得分为93.19,本次获得实时奖励奖金为1

2019-05-01 11:03:00

gboy

模型得分为91.14,本次获得实时奖励奖金为2.4

2019-05-01 11:02:51

gezp

模型得分为93.05,本次获得实时奖励奖金为2

2019-05-01 11:02:42

yangsmile

模型得分为92.78,本次获得实时奖励奖金为5.8

2019-05-01 11:02:33

gezp

模型得分为92.64,本次获得实时奖励奖金为96.6

2019-05-01 11:02:29

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。