多面体骰子分类

分享给好友

2020-01-28 15:00:00
开始提交

2020-02-27 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 38
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

骰子也称色子,为一正多面体,通常作为桌上游戏的小道具。同时骰子也可以用于生成指定范围的随机数。最常见的骰子是六面骰,它是一个正立方体,上面分别有一到六个数,其相对两面数字之和必为七。

本赛题主要对骰子形状进行分类,一共包括四面骰、六面骰、八面骰、十面骰、十二面骰和二十面骰。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
image_path string 不为空 图片的相对路径
labels 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: image_path,

输出字段: labels,

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

大木淡漠

930.00

batch数据为1,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100.00。

2020-02-01 01:06:45

930.00

100.00

第三名

一口大怪兽

400.00

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100.00。

2020-02-01 04:05:14

400.00

100.00

第三名

鹏1577582907

222.50

batch数据为30,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100.00。

2020-02-01 04:06:39

222.50

100.00

4

小林子

146.25

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100.00。

2020-02-01 11:40:12

146.25

100.00

5

快来追我呀

95.00

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100.00。

2020-02-01 13:15:20

95.00

100.00

6

绿肥红瘦

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100.00。

2020-02-01 17:55:43

100.00

7

天涯·明月·刀

batch数据为32,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100.00。

2020-02-02 22:19:32

100.00

8

mki

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100.00。

2020-02-03 17:05:05

100.00

9

宇宙

3.13

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100.00。

2020-02-04 21:35:49

3.13

100.00

10

chenfengshf

1.56

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99.97。

2020-02-01 14:06:08

1.56

99.97

11

弱鸡瑟瑟发抖

batch数据为16,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99.97。

2020-02-03 09:10:22

99.97

12

clayne

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99.97。

2020-02-05 12:12:33

99.97

13

流年相摧

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99.97。

2020-02-05 16:44:17

99.97

14

Solstice

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99.97。

2020-02-15 18:26:54

99.97

15

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99.97。

2020-03-06 18:05:02

99.97

16

Woz

46.00

batch数据为16,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99.94。

2020-02-02 12:47:04

46.00

99.94

17

史开杰

4.00

batch数据为64,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99.94。

2020-02-03 15:39:03

4.00

99.94

18

晴天stick

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99.94。

2020-02-12 00:56:18

99.94

19

南拳小猪

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99.88。

2020-04-22 09:44:17

99.88

20

jesse01

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99.88。

2020-12-19 13:59:13

99.88

21

ashora(啊瘦了)

batch数据为256,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99.69。

2020-02-02 04:50:59

99.69

22

木风1571634452

batch数据为32,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99.54。

2020-02-05 20:05:29

99.54

23

rhapsody

7.50

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98.13。

2020-02-03 18:12:43

7.50

98.13

24

悟躁

50.00

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97.80。

2020-02-05 10:06:00

50.00

97.80

25

骡子吃番茄

25.00

batch数据为16,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96.94。

2020-02-07 01:51:59

25.00

96.94

26

yangsmile

15.00

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95.77。

2020-02-02 03:03:24

15.00

95.77

27

代码搬运工

3.75

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94.92。

2020-02-05 11:44:46

3.75

94.92

28

邱星晨

1.88

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94.92。

2020-02-19 10:17:24

1.88

94.92

29

chwang_14

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92.62。

2020-03-08 00:30:24

92.62

30

萧木

8.00

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92.59。

2020-02-11 21:55:47

8.00

92.59

31

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91.89。

Keras

Resnet50

2020-02-15 06:23:59

91.89

32

小门神

2.00

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91.67。

2020-02-02 19:04:41

2.00

91.67

33

玖耿

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91.49。

2020-02-27 23:47:45

91.49

34

uijx xxxx

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91.18。

2020-03-05 00:23:03

91.18

35

TianyueCheng

1.00

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91.12。

2020-02-03 23:34:36

1.00

91.12

36

小小羊

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90.51。

2020-02-22 13:15:51

90.51

37

Yvette

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89.96。

2020-02-10 14:48:55

89.96

38

东方佛甲草

batch数据为120,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为89.13。

2020-05-10 22:47:20

89.13

39

Mt

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88.73。

2020-02-02 18:42:04

88.73

40

青貉

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88.30。

2020-03-12 14:24:59

88.30

41

flyai会员1576410182

batch数据为64,循环次数为4次,通过在线上环境完成训练,模型最优精度评分为78.32。

2020-03-15 16:19:05

78.32

42

val_acc=100

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78.23。

2020-02-04 17:05:46

78.23

43

市长先生

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50.80。

2020-02-23 04:56:46

50.80

44

样例代码

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50.37。

2020-01-06 16:30:37

50.37

45

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50.37。

2020-02-01 09:25:11

50.37

46

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50.37。

2020-02-01 11:09:11

50.37

47

JinbaoSite

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50.37。

2020-02-01 14:11:18

50.37

48

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50.37。

2020-02-01 14:28:41

50.37

49

nlp-ygq

batch数据为16,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50.37。

2020-02-01 18:02:17

50.37

50

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50.37。

50.37

51

啊啦啦啦

batch数据为16,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50.37。

2020-02-03 15:59:15

50.37

52

加号+

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50.37。

2020-02-04 14:12:01

50.37

53

flyai会员1580888744

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50.37。

2020-02-05 15:47:52

50.37

54

杜宇

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50.37。

2020-02-06 18:11:18

50.37

55

cftang

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50.37。

2020-02-06 19:03:15

50.37

56

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50.37。

2020-02-11 17:44:36

50.37

57

yumendecc1

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50.37。

2020-02-13 02:47:53

50.37

58

flyai会员1581845201

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50.37。

2020-02-16 17:39:23

50.37

59

flyai会员1581658418

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50.37。

2020-02-17 13:00:58

50.37

60

墨菲定律

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50.37。

2020-02-17 16:23:57

50.37

61

明知山有虎

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50.37。

2020-02-17 16:56:48

50.37

62

胡飞

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50.37。

2020-02-20 21:15:15

50.37

63

Fighter1568043113

batch数据为16,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50.37。

2020-02-24 16:03:17

50.37

64

Final

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50.37。

2020-02-28 19:15:20

50.37

65

byack

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50.37。

2020-03-02 22:06:53

50.37

66

嘿嘿

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50.37。

2020-03-20 00:21:20

50.37

67

无解

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50.37。

2020-05-13 15:14:37

50.37

68

Super_DC

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50.37。

2020-05-20 20:35:10

50.37

69

鑫1589968284

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50.37。

2020-05-27 18:00:03

50.37

70

upc_wy

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50.37。

2020-07-05 21:41:49

50.37

71

Day Day Up1598968391

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50.37。

2020-09-01 21:56:50

50.37

72

温柔的包子

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50.37。

2020-10-30 12:43:06

50.37

73

Ashish Veeragoni

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50.37。

2020-11-04 14:50:48

50.37

74

斯巴达七叔

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50.37。

2020-11-19 15:06:12

50.37

75

flyai会员1596852425

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50.37。

2020-12-06 22:16:06

50.37

76

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50.37。

2020-12-13 16:55:04

50.37

77

Koi

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50.37。

2021-02-02 14:12:29

50.37

78

花猪Yuri

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50.37。

2021-03-23 17:02:44

50.37

79

珏凌

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28.54。

2020-02-16 14:49:24

28.54

80

Victor Hong

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10.23。

MXNet

LeNet5

2020-03-16 09:04:47

10.23

2020-02-28
快来追我呀

模型得分为100,本次获得排名奖奖金为70

2020-02-28 15:00:02

小林子

模型得分为100,本次获得排名奖奖金为140

2020-02-28 15:00:02

鹏1577582907

模型得分为100,本次获得排名奖奖金为210

2020-02-28 15:00:02

一口大怪兽

模型得分为100,本次获得排名奖奖金为350

2020-02-28 15:00:02

大木淡漠

模型得分为100,本次获得排名奖奖金为630

2020-02-28 15:00:02

2020-02-19
邱星晨

模型得分为94.92,本次获得实时奖励奖金为1.88

2020-02-19 10:40:12

2020-02-18
萧木

模型得分为92.59,本次获得实时奖励奖金为8

2020-02-18 11:30:44

2020-02-10
骡子吃番茄

模型得分为96.94,本次获得实时奖励奖金为25

2020-02-10 18:53:12

悟躁

模型得分为97.8,本次获得实时奖励奖金为50

2020-02-10 18:50:50

代码搬运工

模型得分为94.18,本次获得实时奖励奖金为3.75

2020-02-10 16:30:20

2020-02-04
TianyueCheng

模型得分为91.12,本次获得实时奖励奖金为1

2020-02-04 14:54:15

rhapsody

模型得分为94.03,本次获得实时奖励奖金为7.5

2020-02-04 14:53:15

小门神

模型得分为91.67,本次获得实时奖励奖金为2

2020-02-04 14:51:30

yangsmile

模型得分为95.77,本次获得实时奖励奖金为15

2020-02-04 14:48:46

Woz

模型得分为94.67,本次获得实时奖励奖金为30

2020-02-04 14:48:29

Woz

模型得分为92.5,本次获得实时奖励奖金为16

2020-02-04 14:47:11

史开杰

模型得分为90.66,本次获得实时奖励奖金为4

2020-02-04 14:44:19

chenfengshf

模型得分为99.97,本次获得实时奖励奖金为1.56

2020-02-04 14:43:30

宇宙

模型得分为99.91,本次获得实时奖励奖金为3.13

2020-02-04 14:42:59

小林子

模型得分为99.97,本次获得实时奖励奖金为6.25

2020-02-04 14:40:06

鹏1577582907

模型得分为100,本次获得实时奖励奖金为12.5

2020-02-04 14:39:41

快来追我呀

模型得分为99.97,本次获得实时奖励奖金为25

2020-02-04 14:31:26

一口大怪兽

模型得分为99.82,本次获得实时奖励奖金为50

2020-02-04 14:30:50

大木淡漠

模型得分为99.97,本次获得实时奖励奖金为300

2020-02-04 14:23:06

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