Caltech256 图像分类竞赛

分享给好友

2019-09-20 12:00:00
开始提交

2022-10-10 12:00:00
最终提交结束

自由训练

奖金池 ¥ 20000
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
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

Caltech-256 物品分类数据集由Caltech-101数据集演变而来,该数据集选自Google Image数据集,并手工去除了不符合其类别的图片。在该数据集中共有30,607张图片,256个图片类别,每个类别包括超过80张图片。

参赛须知

报名时间

2019-09-20 12:00:00 - 2023-06-10 12:00:00

参赛时间:2019.09.20 12:00:00-2022.10.10 12:00:00

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)
第一阶段突破奖 1人 第一个突破到95-96分数的选手,可获1000元奖金
第二阶段突破奖 1人 第一个突破到97-98分数的选手,可获3500元奖金
第三阶段突破奖 1人 第一个突破到99-100分数的选手,可获5500元奖金
鼓励奖 不限 10000元奖金(详见奖励获取要求)

奖励获取要求:

  • 鼓励奖:从2022年6月16日开始计算,当您的提交结果大于80分时,即可获得鼓励奖!快快行动起来吧!
  • 突破奖:长期有效,当前比赛已解锁,根据突破分数排行可获得对应奖金!
  • 通过更新排行榜获取奖金,与原排行榜冠军得分差值越大,所获奖金比例越高
  • 按照所有挑战者提交作品时间先后,后台审核作品并更新到排行榜中, 【Score】未达奖金获取标准可显示在排行榜中,但无法获取奖金
  • 奖金额度获取评判指标说明:【BOUNS】表示奖金池总额度;【Score】表示模型得分;【BU_N】表示第n位达到奖金获取标准并更新排行榜后所获得的奖金总额度
  • 提交离线训练,系统自动评判模型Score。奖金获取额度计算公式如下:

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。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 样例
train.csv image_path string 图片的相对路径 image/0.jpg
label int 物体类别 range:[0,255]

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 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

黑羽

3500.00

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97.04。

2022-07-01 19:40:19

3500.00

97.04

第三名

江水

2.90

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96.89。

2022-07-01 14:46:47

2.90

96.89

第三名

limzero

1000.00

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96.52。

2022-07-01 16:54:39

1000.00

96.52

4

剑鱼

2.89

batch数据为8,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96.46。

2022-09-25 21:56:37

2.89

96.46

5

暴走的双眼

2.85

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95.30。

2022-07-26 10:03:55

2.85

95.30

6

yunshao555

2.84

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94.83。

2022-06-29 21:08:04

2.84

94.83

7

BOE_AIoT_CTO

550.00

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94.53。

2020-11-03 18:49:02

550.00

94.53

8

trickornot

10.00

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94.12。

2019-04-02 16:03:00

10.00

94.12

9

宇宙

2.81

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93.74。

2022-07-13 13:52:44

2.81

93.74

10

丶人狠话不多

10.00

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92.18。

2019-03-31 19:57:44

10.00

92.18

11

pikachu敲级可爱

2.72

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90.87。

2022-07-01 23:56:49

2.72

90.87

12

王瑞豪杜喆的团队

batch数据为32,循环次数为8000次,通过在线上环境完成训练,模型最优精度评分为90.75。

2020-04-22 06:20:14

90.75

13

玄学上分

329.00

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89.12。

2019-03-31 04:38:53

329.00

89.12

14

gboy

batch数据为96,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87.54。

2019-06-19 06:35:37

87.54

15

天天向上

10.00

batch数据为32,循环次数为8000次,通过在线上环境完成训练,模型最优精度评分为86.82。

2019-04-09 21:48:18

10.00

86.82

16

善假于物

10.00

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86.80。

2019-03-31 08:54:41

10.00

86.80

17

Mengcius

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86.79。

2019-09-30 19:47:40

86.79

18

Hallo

10.00

batch数据为128,循环次数为2222次,通过在线上环境完成训练,模型最优精度评分为86.53。

2019-03-30 02:35:53

10.00

86.53

19

Teenage Dream

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86.17。

2019-04-04 00:29:43

86.17

20

快来追我呀

batch数据为64,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为85.75。

2019-06-18 14:43:53

85.75

21

你猜猜我是谁

166.00

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85.68。

2019-03-17 16:44:17

166.00

85.68

22

trick_or_treat

1312.00

batch数据为64,循环次数为12次,通过在线上环境完成训练,模型最优精度评分为85.44。

2019-03-20 19:14:56

1312.00

85.44

23

.co

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85.43。

2019-04-04 17:12:40

85.43

24

大木淡漠

batch数据为64,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为85.43。

2019-05-23 14:14:35

85.43

25

zhiduanqingchang

10.00

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84.91。

2019-04-04 16:43:31

10.00

84.91

26

ShadowFiend

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84.75。

2019-04-02 17:36:57

84.75

27

kongd

10.00

batch数据为1024,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84.72。

2019-04-12 16:10:53

10.00

84.72

28

Winfield

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84.70。

2019-04-03 04:11:29

84.70

29

codePlay

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84.52。

2019-04-05 04:33:51

84.52

30

红色的小蓝帽

10.00

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84.42。

2019-04-03 00:33:41

10.00

84.42

31

丨breeze丨

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84.32。

2019-08-01 21:34:30

84.32

32

DM_NUDT_2019_庞巧遇

batch数据为500,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84.13。

2019-12-20 09:50:07

84.13

33

有啥tricks

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83.98。

2020-12-03 17:13:49

83.98

34

fly

10.00

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83.87。

2019-04-13 22:20:02

10.00

83.87

35

汤大力

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83.75。

2019-06-18 13:40:00

83.75

36

MXR

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83.55。

2019-12-22 14:21:35

83.55

37

L&&R

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83.51。

2019-12-16 00:33:58

83.51

38

wcy1122

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83.46。

2019-06-19 02:22:10

83.46

39

dark-ai

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83.19。

2019-09-09 22:36:49

83.19

40

戴威

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83.19。

2019-09-11 14:44:41

83.19

41

飓风神龙

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83.19。

2019-10-19 11:37:41

83.19

42

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83.19。

2019-10-28 15:33:19

83.19

43

Nannn

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83.19。

2019-11-04 16:12:25

83.19

44

顺子

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83.19。

2019-11-15 21:39:39

83.19

45

赤赤

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83.19。

2019-11-22 08:34:14

83.19

46

Amy611

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83.19。

2019-12-02 08:03:54

83.19

47

孤独剑

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83.19。

2019-12-06 17:49:30

83.19

48

defense

batch数据为48,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83.19。

2019-12-06 23:02:04

83.19

49

Zoeywhyutry

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83.19。

2019-12-08 08:52:23

83.19

50

×无法显示

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83.19。

2019-12-08 12:59:59

83.19

51

慧1575891276

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83.19。

2019-12-09 19:37:25

83.19

52

棉花糖

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83.19。

2019-12-12 10:56:11

83.19

53

好名字1575645226

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83.19。

2019-12-13 23:14:54

83.19

54

王吉川

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83.19。

2019-12-15 15:39:52

83.19

55

rrrrrrinbo

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83.19。

2019-12-16 17:46:37

83.19

56

飞起的小皮卡

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83.19。

2019-12-16 23:43:28

83.19

57

周仕扬

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83.19。

2019-12-17 09:00:08

83.19

58

NUDT_JK_Atong

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83.19。

2019-12-17 13:04:16

83.19

59

小郭

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83.19。

2019-12-18 22:03:32

83.19

60

yyyyh

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83.19。

2019-12-25 10:31:59

83.19

61

葭卅

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83.19。

2019-12-27 15:26:25

83.19

62

Aries

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83.19。

2019-12-28 23:47:02

83.19

63

你细品

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83.19。

2020-01-04 12:20:01

83.19

64

flyai会员1578144479

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83.19。

2020-01-04 21:30:43

83.19

65

啦啦啦1577192662

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83.19。

2020-01-05 09:53:05

83.19

66

flyai会员1578190766

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83.19。

2020-01-05 10:31:56

83.19

67

好好学习伦仔

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83.19。

2020-01-07 23:59:36

83.19

68

bidong

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83.19。

2020-01-08 08:15:22

83.19

69

soaring

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83.19。

2020-01-08 16:49:09

83.19

70

newbee

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83.19。

2020-02-20 13:01:23

83.19

71

肖鑫

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83.19。

2020-03-03 10:57:44

83.19

72

闻韶

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83.19。

2020-03-11 23:50:48

83.19

73

乐乐1582460073

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83.19。

2020-03-16 20:45:51

83.19

74

守望

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83.19。

2020-04-15 15:51:50

83.19

75

flyai会员1587558397

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83.19。

2020-04-22 21:44:35

83.19

76

Canwefly

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83.19。

2020-08-27 11:33:30

83.19

77

flyai会员1599737289

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83.19。

2020-09-10 20:02:18

83.19

78

flyai会员1602318650

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83.19。

2020-10-10 16:33:31

83.19

79

zhengcong

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83.19。

2020-10-10 17:22:48

83.19

80

莫恒辉

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83.19。

2020-10-20 10:04:56

83.19

81

胡晋武

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83.19。

2020-11-05 20:00:15

83.19

82

Blue1605427035

batch数据为8,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83.19。

2020-11-15 15:59:50

83.19

83

flyai会员1607074282

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83.19。

2020-12-07 13:04:13

83.19

84

jay1607918647

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83.19。

2020-12-14 12:07:37

83.19

85

flyai会员1608001426

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83.19。

2020-12-15 11:06:38

83.19

86

flyai会员1608544526

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83.19。

2020-12-21 18:11:47

83.19

87

人生は夢だらけ

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83.19。

2021-02-18 09:23:28

83.19

88

flyai会员1613741290

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83.19。

2021-02-19 21:31:27

83.19

89

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83.19。

2021-02-19 21:46:40

83.19

90

玄同无为

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83.19。

2021-02-21 15:24:03

83.19

91

flyai会员1614001881

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83.19。

2021-02-22 22:00:54

83.19

92

flyai会员1614432468

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83.19。

2021-02-27 21:53:37

83.19

93

flyai会员1621694238

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83.19。

2021-05-22 22:41:33

83.19

94

flyai会员1623328700

batch数据为82,循环次数为66次,通过在线上环境完成训练,模型最优精度评分为83.19。

2021-06-10 20:42:10

83.19

95

flyai会员1638712000

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83.19。

2021-12-06 00:35:47

83.19

96

陈景行

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83.19。

2021-12-24 16:31:40

83.19

97

flyai会员1640415900

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83.19。

2021-12-25 15:09:48

83.19

98

flyai会员1640877857

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83.19。

2021-12-30 23:36:13

83.19

99

flyai会员1664961974

2.49

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83.16。

2022-10-06 15:09:21

2.49

83.16

100

flyai会员1658841312

2.49

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83.13。

2022-07-28 13:42:23

2.49

83.13

101

调参侠

batch数据为128,循环次数为350次,通过在线上环境完成训练,模型最优精度评分为83.11。

2019-04-06 02:19:56

83.11

102

风雨兼程

10.00

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83.08。

2019-03-18 12:26:23

10.00

83.08

103

wrzhenian

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83.03。

2019-07-12 14:20:30

83.03

104

zeng-_-|

10.00

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82.94。

2019-03-30 15:13:46

10.00

82.94

105

RandomYC

10.00

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82.86。

2019-04-02 20:03:59

10.00

82.86

106

围生

10.00

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82.72。

2019-03-28 08:35:23

10.00

82.72

107

伤心凉粉

2.47

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82.44。

2022-06-17 16:05:09

2.47

82.44

108

ChangeBio

batch数据为62,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82.14。

2019-04-28 17:08:32

82.14

109

SHine

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82.10。

2019-04-21 12:30:06

82.10

110

'code and paper'

10.00

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81.85。

2019-04-01 20:39:04

10.00

81.85

111

flyai会员1657262754

2.45

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81.78。

2022-07-12 11:52:02

2.45

81.78

112

NaCl

batch数据为128,循环次数为600次,通过在线上环境完成训练,模型最优精度评分为81.51。

2019-07-01 14:06:41

81.51

113

BrightBin

batch数据为256,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81.30。

2020-01-08 11:20:53

81.30

114

周阳

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80.05。

2019-04-03 08:48:37

80.05

115

AiFool

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79.97。

2019-06-15 12:56:42

79.97

116

RuntimeError

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79.89。

2019-04-09 21:06:40

79.89

117

火炎焱燚

10.00

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79.38。

2019-03-28 10:51:17

10.00

79.38

118

亚豪

batch数据为64,循环次数为512次,通过在线上环境完成训练,模型最优精度评分为79.31。

2019-05-28 14:57:50

79.31

119

Winteriscoming

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78.81。

2019-04-14 17:32:15

78.81

120

就是很任性

10.00

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78.46。

2019-04-09 16:09:14

10.00

78.46

121

小~蜉蝣

10.00

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78.17。

2019-04-02 21:13:51

10.00

78.17

122

cv1557321940

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78.07。

2019-07-31 22:47:08

78.07

123

chenfengshf

batch数据为32,循环次数为99次,通过在线上环境完成训练,模型最优精度评分为77.97。

2022-06-25 08:50:41

77.97

124

★八百标兵奔北坡

batch数据为48,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77.50。

2019-07-14 03:24:41

77.50

125

sunset

10.00

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77.18。

2019-04-01 18:51:38

10.00

77.18

126

Micoon

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77.12。

2019-06-06 10:41:39

77.12

127

我的爱在西元前1554081999

10.00

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76.88。

2019-04-02 23:23:58

10.00

76.88

128

Value_H

10.00

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75.50。

2019-04-03 13:36:41

10.00

75.50

129

DLin

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75.47。

2019-04-03 22:43:14

75.47

130

*FacePalm*

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74.58。

2019-04-03 18:17:19

74.58

131

興趣使然的吃瓜少年

10.00

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74.21。

2019-04-01 17:42:19

10.00

74.21

132

lyming

10.00

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71.69。

2019-03-31 11:32:58

10.00

71.69

133

ON-looker

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69.21。

2019-10-12 17:53:48

69.21

134

GoD-DoG

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69.19。

2022-08-14 22:54:20

69.19

135

cclxx

10.00

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67.86。

2019-04-01 10:17:34

10.00

67.86

136

Hnecl

10.00

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66.44。

2019-03-27 14:49:15

10.00

66.44

137

flyai会员1655458036

batch数据为32,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65.28。

2022-06-19 22:28:57

65.28

138

洋洋

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64.83。

2019-08-28 22:20:01

64.83

139

唱跳RAP打篮球

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64.54。

2019-04-02 20:30:28

64.54

140

淡淡的忧伤ing

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57.52。

2019-04-03 20:05:53

57.52

141

啸宇

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55.93。

2019-04-05 22:40:13

55.93

142

flyai会员1657687128

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50.15。

2022-07-14 13:59:06

50.15

143

flyai会员1654167397

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49.95。

2022-07-16 16:05:56

49.95

144

flyai会员1655995737

batch数据为32,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49.43。

2022-06-26 04:17:15

49.43

145

pprp

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48.62。

2019-08-12 18:36:11

48.62

146

CodeNoBug

batch数据为50,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48.00。

2022-08-11 15:26:38

48.00

147

公众号:AI竞赛宝典

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47.48。

2022-06-28 20:58:15

47.48

148

Yolo大大

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47.46。

2019-05-29 14:48:30

47.46

149

wdmmqw

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46.61。

2022-09-23 22:42:57

46.61

150

懒散小青年

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45.87。

2019-04-03 18:28:49

45.87

151

flyai会员1657285838

batch数据为32,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45.84。

2022-07-10 00:50:18

45.84

152

flyai会员1661927047

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44.96。

2022-08-31 21:00:50

44.96

153

flyai会员1618303584

batch数据为64,循环次数为14次,通过在线上环境完成训练,模型最优精度评分为43.72。

2022-07-13 19:19:22

43.72

154

FlyAI小助手

10.00

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43.49。

2022-06-16 18:22:11

10.00

43.49

155

flyai会员1662108787

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43.40。

2022-09-09 21:53:45

43.40

156

熊智

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43.33。

2022-06-19 16:28:52

43.33

157

flyai会员1661236179

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43.15。

2022-08-23 17:43:14

43.15

158

poplar

10.00

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40.85。

2019-03-19 15:44:35

10.00

40.85

159

Daiccccc

10.00

batch数据为32,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38.03。

2019-03-30 21:54:17

10.00

38.03

160

无......有

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33.01。

2019-04-11 06:04:30

33.01

161

lightning-zgc

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29.72。

2019-04-02 19:15:10

29.72

162

CUGWYZ

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19.31。

2022-07-12 23:06:41

19.31

163

CHANGE

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14.07。

2019-04-05 16:34:50

14.07

164

哇咔咔

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12.32。

2019-04-04 13:32:42

12.32

165

孙文亮

10.00

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9.79。

2019-03-26 10:25:04

10.00

9.79

166

gezp

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8.28。

2019-04-04 10:04:16

8.28

167

sytv587

10.00

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7.09。

2019-03-31 22:44:11

10.00

7.09

168

Seeney

10.00

batch数据为64,循环次数为9000次,通过在线上环境完成训练,模型最优精度评分为7.05。

2019-03-28 02:23:57

10.00

7.05

169

KG

10.00

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5.37。

2019-03-31 18:16:38

10.00

5.37

170

圣上

10.00

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4.68。

2019-04-02 00:56:28

10.00

4.68

171

peterzhang

10.00

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4.67。

2019-03-30 22:58:17

10.00

4.67

172

我是灞波儿奔

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4.60。

2019-03-29 22:01:43

10.00

4.60

173

z

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4.10。

2020-04-12 15:37:21

4.10

174

y=f(x)

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3.81。

2019-04-06 12:42:03

3.81

175

guoguo

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2.87。

2019-08-03 15:44:08

2.87

176

在北等你

10.00

batch数据为4,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2.54。

2019-03-29 08:01:04

10.00

2.54

177

flyai会员1657527417

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2.54。

2022-07-12 21:16:42

2.54

178

小红帽

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2.17。

2019-04-04 17:08:00

2.17

179

jhp

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1.86。

2019-05-01 12:01:06

1.86

180

DE Chen

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1.80。

2019-03-29 18:33:59

10.00

1.80

181

非我非非晓我

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1.46。

2019-03-31 14:06:31

10.00

1.46

182

reallocing

10.00

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0.34。

2019-04-02 01:34:45

10.00

0.34

183

Xin Yao

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0.29。

2019-07-09 11:50:30

0.29

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。