遥感影像场景分类预测

分享给好友

2019-08-01 10:00:00
开始提交

2019-08-31 20:00:00
最终提交结束

自由训练

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
  • 自由练习榜单
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

遥感影像场景分类是遥感影像目标检测和高层语义理解的基础,遥感影像高层语义理解又是空间分析的基础。实际应用中空间分析借助地图与空间信息解决经济、社会、国防等重要领域的技术任务。

例如通过遥感影像进行农作物估产、城市规划、商铺选址、城市热点场所人群分析、空间规划等等。空间分析是解决实际生活中问题的重要手段,而遥感影像场景分类是空间分析的基石。

遥感影像场景分类任务是从多幅遥感影像中区分出具有相似场景特征的图像,并对这些图像进行分类,为每一幅遥感影像赋予场景类别标签。

赛事主题和数据说明

赛题描述

本赛题为8月活动赛题,截止2019年8月31日下午20点整所有训练完成结果均为有效成绩!!

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 标签

参考文献:

[1]

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

  • 本赛题基础得分为60分,所有超过基础得分的参赛者可获得相对应奖励!
  • 精确率(Precision,简称为P):正确预测为正的占全部预测为正的比例
  • 召回率(Recall,简称为R):正确预测为正的占全部实际为正的比例
  • F1-Score 是精确率和召回率的一种加权平均,它的最大值为1,最小值为0
  • 计算公式如下:
  • 评审计算公式
超过 40分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

YY

大神经验
batch数据为24,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93.12。

2019-08-19 15:10:06

大神经验
第三名

Daiccccc

大神经验
batch数据为48,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92.66。

2019-08-24 18:33:36

大神经验
第三名

heshuting555

大神经验
batch数据为30,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92.55。

2019-08-13 11:52:32

大神经验
4

交差墒

大神经验
batch数据为40,循环次数为18次,通过在线上环境完成训练,模型最优精度评分为92.49。

2019-08-31 09:16:10

大神经验
5

gboy

大神经验
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92.27。

2019-08-31 05:00:51

大神经验
6

yangsmile

大神经验
batch数据为48,循环次数为18次,通过在线上环境完成训练,模型最优精度评分为92.22。

2019-08-31 18:35:45

大神经验
7

Whisney`逸文

大神经验
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91.74。

2019-08-08 11:14:39

大神经验
8

Albert1563667639

大神经验
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91.68。

2019-08-23 09:24:34

大神经验
9

西北风

大神经验
batch数据为80,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91.62。

2019-08-29 03:47:25

大神经验
10

前排板凳瓜子

大神经验
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91.47。

2019-08-26 22:06:56

大神经验
11

丶人狠话不多

暂未公开
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91.43。

2019-08-28 07:26:32

暂未公开
12

nice

大神经验
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91.35。

2019-08-29 03:51:41

大神经验
13

emmm我还没想好

暂未公开
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91.31。

2019-08-31 13:47:59

暂未公开
14

超级皮的赵小姐

暂未公开
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91.29。

2019-08-11 19:56:29

暂未公开
15

trickornot

暂未公开
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91.29。

2019-08-22 14:06:40

暂未公开
16

轩1564891807

暂未公开
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91.28。

2019-08-28 21:31:34

暂未公开
17

薛定谔的mao

暂未公开
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91.13。

2019-08-10 18:07:58

暂未公开
18

yahiko

暂未公开
batch数据为32,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91.05。

Keras

ResNet50

2019-08-27 18:39:06

暂未公开
19

上山打老鼠

暂未公开
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91.01。

Mxnet

LeNet

2019-08-29 22:10:41

暂未公开
20

天涯·明月·刀

暂未公开
batch数据为24,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91.00。

2019-08-30 08:48:13

暂未公开
21

哈尔的移动城堡

暂未公开
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90.99。

2019-08-31 14:15:30

暂未公开
22

weiliming

暂未公开
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90.94。

2019-08-29 07:11:45

暂未公开
23

Value_H

暂未公开
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90.85。

2019-08-11 01:53:30

暂未公开
24

thinkdifferent

暂未公开
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90.85。

2019-08-28 06:09:26

暂未公开
25

善假于物

暂未公开
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90.82。

2019-08-07 11:21:26

暂未公开
26

就是很任性

暂未公开
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90.73。

2019-08-11 18:01:55

暂未公开
27

释然

暂未公开
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90.70。

2019-08-22 09:41:28

暂未公开
28

机器学渣

暂未公开
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90.53。

2019-08-24 19:18:38

暂未公开
29

钦基

暂未公开
batch数据为48,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90.42。

2019-08-29 10:03:32

暂未公开
30

guoguo

暂未公开
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90.30。

2019-08-28 00:55:51

暂未公开
31

Keaton

暂未公开
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90.25。

2019-08-04 18:38:17

暂未公开
32

Winteriscoming

暂未公开
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89.98。

魔改fastai

resnet50

2019-08-11 15:52:10

暂未公开
33

elogi

暂未公开
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89.94。

2019-08-30 22:48:40

暂未公开
34

Hawk

暂未公开
batch数据为10,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89.92。

fastai

CNN

2019-08-08 20:32:02

暂未公开
35

Xin Yao

暂未公开
batch数据为108,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89.54。

2019-08-06 14:05:25

暂未公开
36

dtrimina

暂未公开
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89.51。

2019-08-15 13:25:56

暂未公开
37

Akatsuki

暂未公开
batch数据为32,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89.42。

Keras

ResNet50

2019-08-31 16:53:34

暂未公开
38

小林子

暂未公开
batch数据为30,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89.40。

2019-08-29 05:40:02

暂未公开
39

莫须有の嚣张

暂未公开
batch数据为32,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88.77。

2019-08-26 03:33:53

暂未公开
40

雨中冰言

暂未公开
batch数据为256,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88.31。

TensorFlow

densenet

2019-08-29 07:37:16

暂未公开
41

Seeney

暂未公开
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88.03。

2019-08-26 18:57:40

暂未公开
42

hunk

暂未公开
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87.89。

2019-08-31 19:06:44

暂未公开
43

AMERICA

暂未公开
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87.73。

2019-08-27 07:49:06

暂未公开
44

好帅的背影

暂未公开
batch数据为128,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87.62。

2019-08-13 01:20:15

暂未公开
45

ZjiM

暂未公开
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87.08。

2019-08-21 03:30:23

暂未公开
46

Noah

暂未公开
batch数据为128,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86.88。

2019-08-06 07:43:55

暂未公开
47

cnn

暂未公开
batch数据为16,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86.83。

2019-08-12 01:17:17

暂未公开
48

全群最菜

暂未公开
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86.82。

2019-08-16 18:32:48

暂未公开
49

pprp

暂未公开
batch数据为50,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86.66。

2019-08-15 02:00:11

暂未公开
50

汤大力

暂未公开
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86.34。

2019-08-03 12:37:53

暂未公开
51

人间正道是沧桑

暂未公开
batch数据为128,循环次数为2200次,通过在线上环境完成训练,模型最优精度评分为85.77。

2019-08-07 00:46:57

暂未公开
52

true up

暂未公开
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85.70。

2019-08-29 08:17:21

暂未公开
53

ak74

暂未公开
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85.55。

2019-08-27 18:55:50

暂未公开
54

Scarlatti

暂未公开
batch数据为48,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85.33。

2019-08-08 02:50:13

暂未公开
55

HelloWor1d

暂未公开
batch数据为128,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85.28。

2019-08-02 04:20:48

暂未公开
56

xaioqiang

暂未公开
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84.99。

2019-08-31 03:35:11

暂未公开
57

贤二

暂未公开
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84.93。

2019-08-31 01:38:11

暂未公开
58

无......有

暂未公开
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83.19。

2019-08-05 08:32:15

暂未公开
59

冷于冰

暂未公开
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82.90。

2019-08-24 19:22:24

暂未公开
60

cv1557321940

暂未公开
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82.82。

2019-08-07 11:43:17

暂未公开
61

信息-杨波

暂未公开
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82.82。

2019-08-27 22:50:16

暂未公开
62

洋洋

暂未公开
batch数据为32,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82.62。

2019-08-30 23:05:12

暂未公开
63

你猜猜我是谁

暂未公开
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82.50。

2019-08-18 03:17:35

暂未公开
64

Mortimer

暂未公开
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82.24。

PyTorch

瞎猜网络

2019-08-04 23:47:13

暂未公开
65

木信

暂未公开
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82.08。

2019-08-08 14:26:37

暂未公开
66

暖阳。

暂未公开
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81.56。

2019-08-10 04:47:26

暂未公开
67

暂未公开
batch数据为100,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81.35。

2019-08-17 16:46:42

暂未公开
68

clare

暂未公开
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80.90。

2019-08-10 00:03:57

暂未公开
69

bestfitting

暂未公开
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80.17。

PyTorch

Desenet

2019-08-06 11:13:55

暂未公开
70

trick_or_treat

暂未公开
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79.93。

2019-08-29 14:13:25

暂未公开
71

友情小爪

暂未公开
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78.89。

2019-08-20 07:08:55

暂未公开
72

qqm

暂未公开
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78.47。

2019-08-31 01:48:53

暂未公开
73

PPdog

暂未公开
batch数据为32,循环次数为48次,通过在线上环境完成训练,模型最优精度评分为78.27。

2019-08-26 01:56:51

暂未公开
74

Zkk_hhh

暂未公开
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78.19。

2019-08-11 17:41:18

暂未公开
75

hero.y

暂未公开
batch数据为32,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77.73。

2019-08-23 01:50:41

暂未公开
76

ON-looker

暂未公开
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77.68。

2019-08-25 05:34:29

暂未公开
77

随逸

暂未公开
batch数据为64,循环次数为4800次,通过在线上环境完成训练,模型最优精度评分为77.37。

2019-08-17 20:38:42

暂未公开
78

化猫

暂未公开
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76.95。

2019-08-11 19:54:33

暂未公开
79

宇宙

暂未公开
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75.23。

2019-08-29 22:09:19

暂未公开
80

AiFool

暂未公开
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75.21。

2019-08-28 18:12:33

暂未公开
81

静11

暂未公开
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73.94。

2019-08-24 05:08:40

暂未公开
82

代码搬运工

暂未公开
batch数据为128,循环次数为6000次,通过在线上环境完成训练,模型最优精度评分为70.97。

2019-08-25 07:55:37

暂未公开
83

SimonFighter

暂未公开
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65.81。

2019-08-29 21:41:55

暂未公开
84

刘志强

暂未公开
batch数据为2,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63.44。

2019-08-05 21:56:55

暂未公开
85

丅丄

暂未公开
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59.11。

2019-09-02 02:57:20

暂未公开
86

An

暂未公开
batch数据为128,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57.49。

2019-09-01 01:43:36

暂未公开
87

街角「咖啡店」

暂未公开
batch数据为40,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48.13。

2019-08-25 03:36:02

暂未公开
88

东旭

暂未公开
batch数据为50,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46.95。

2019-08-06 05:55:23

暂未公开
89

CodeAI

暂未公开
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44.74。

2019-09-02 06:42:15

暂未公开
90

Shepherd

暂未公开
batch数据为30,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41.47。

2019-08-17 12:01:28

暂未公开
91

埼玉不秃头

暂未公开
batch数据为96,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37.94。

2019-08-12 04:56:43

暂未公开
92

qiwihui

暂未公开
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35.85。

2019-08-17 01:43:54

暂未公开
93

Monica

暂未公开
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13.83。

2019-08-26 19:11:41

暂未公开
94

杰1562934981

暂未公开
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12.91。

2019-08-15 13:32:04

暂未公开
95

大佬们带带我

暂未公开
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10.64。

2019-08-02 22:29:34

暂未公开
96

铁锤

暂未公开
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7.22。

2019-08-06 21:55:56

暂未公开
97

wulb

暂未公开
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6.23。

2019-08-15 11:41:32

暂未公开
98

彼得·帕克

暂未公开
batch数据为50,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2.71。

2019-08-02 18:53:21

暂未公开
99

minth

暂未公开
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2.05。

2019-08-12 11:49:49

暂未公开
100

那棵树

暂未公开
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1.99。

2019-08-07 01:26:11

暂未公开
101

吃个反物质炮压压惊

暂未公开
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1.98。

2019-08-14 14:02:47

暂未公开
102

不懂取什么名字

暂未公开
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1.42。

2019-08-16 17:22:54

暂未公开
103

北部湾的落日

暂未公开
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1.36。

2019-08-11 11:31:11

暂未公开
104

BMW开空调

暂未公开
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1.28。

2019-08-02 15:35:57

暂未公开
105

富强民主文明和谐

暂未公开
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1.20。

2019-08-19 21:41:21

暂未公开
106

Joshua

暂未公开
batch数据为50,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0.93。

2019-08-12 10:38:11

暂未公开
107

谌晓姝

暂未公开
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0.89。

2019-08-04 05:09:15

暂未公开
108

Victor Hong

暂未公开
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0.84。

MXNet

LeNet5

2019-08-22 22:21:48

暂未公开
109

a554142589

暂未公开
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0.73。

2019-08-03 03:20:13

暂未公开
110

blackx1562937090

暂未公开
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0.64。

2019-08-03 22:25:26

暂未公开
111

Cwinq

暂未公开
batch数据为10,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。

2019-08-14 14:54:18

暂未公开
112

喵喵

暂未公开
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0.34。

2019-08-13 20:10:45

暂未公开
113

默语之声

暂未公开
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0.32。

2019-08-22 23:56:09

暂未公开
114

@Sun

暂未公开
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0.32。

2019-08-26 03:18:15

暂未公开
115

Chain

暂未公开
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0.29。

2019-08-24 13:02:06

暂未公开
116

ai

暂未公开
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0.29。

2019-08-24 18:32:25

暂未公开
117

208.

暂未公开
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0.25。

2019-08-10 21:46:36

暂未公开
118

郭建珠

暂未公开
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0.25。

2019-08-17 17:33:03

暂未公开
119

ChungChinKei

暂未公开
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0.25。

2019-08-22 12:51:52

暂未公开
120

Arthur铭

暂未公开
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0.25。

2019-08-25 12:23:25

暂未公开
121

Pluto1566377647

暂未公开
batch数据为24,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0.20。

2019-08-22 09:31:03

暂未公开
122

橘子不唯一

暂未公开
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0.20。

2019-08-28 23:21:51

暂未公开
123

neneda

暂未公开
batch数据为128,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0.17。

2019-08-02 14:18:24

暂未公开
124

步沧

暂未公开
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0.17。

2019-08-22 21:27:49

暂未公开
125

聪-Clarence

暂未公开
batch数据为62,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0.17。

2019-08-23 12:43:33

暂未公开
126

风轻云淡

暂未公开
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0.17。

2019-08-26 07:15:42

暂未公开
127

朝圣者1564631742

暂未公开
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0.15。

2019-08-02 12:21:37

暂未公开
128

GodLovesJonny

暂未公开
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0.15。

2019-08-02 18:22:01

暂未公开
129

liuy

暂未公开
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0.15。

Keras

MixNet

2019-08-06 23:09:51

暂未公开
130

kaven

暂未公开
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0.15。

2019-08-13 02:26:37

暂未公开
131

Amy.

暂未公开
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0.14。

2019-08-23 02:50:44

暂未公开
132

月在孤城

暂未公开
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0.14。

2019-08-30 10:25:12

暂未公开
133

哇咔咔

暂未公开
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0.13。

2019-08-01 19:14:56

暂未公开
134

杨杨杨

暂未公开
batch数据为50,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0.13。

2019-08-07 03:19:02

暂未公开
135

colorLess

暂未公开
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0.12。

2019-08-03 16:47:13

暂未公开
136

zizaieee

暂未公开
batch数据为50,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0.12。

2019-08-13 21:19:32

暂未公开
137

rongwen

暂未公开
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0.10。

2019-08-03 12:37:59

暂未公开
138

GREENDWOOD

暂未公开
batch数据为64,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0.10。

2019-08-04 01:32:51

暂未公开
139

夏洛克

暂未公开
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0.10。

2019-08-05 03:03:43

暂未公开
140

袁璞

暂未公开
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0.10。

2019-08-05 19:24:45

暂未公开
141

坏人

暂未公开
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0.10。

2019-08-05 20:34:49

暂未公开
142

焱木

暂未公开
batch数据为50,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0.10。

2019-08-09 10:15:58

暂未公开
143

青青子衿

暂未公开
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0.10。

2019-08-22 00:39:10

暂未公开
144

王涛

暂未公开
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0.10。

2019-08-23 03:59:01

暂未公开
145

暂未公开
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0.10。

2019-08-23 07:48:30

暂未公开
146

zero

暂未公开
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0.10。

2019-08-24 01:03:56

暂未公开
147

王德睿 PhDing

暂未公开
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0.10。

2019-08-24 03:34:46

暂未公开
148

sw2009

暂未公开
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0.10。

2019-08-24 22:30:24

暂未公开
149

桂ly

暂未公开
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0.10。

2019-08-27 19:11:17

暂未公开
150

deepdeep

暂未公开
batch数据为24,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0.10。

2019-08-28 10:10:33

暂未公开
151

Tk more tk less

暂未公开
batch数据为50,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0.10。

2019-08-29 14:13:59

暂未公开
152

Guo

暂未公开
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0.10。

2019-08-30 02:07:53

暂未公开
153

ii

暂未公开
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0.10。

2019-08-31 15:09:22

暂未公开
154

贾克鱿鱼丝

暂未公开
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0.09。

2019-08-05 14:21:27

暂未公开
155

暂未公开
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0.00。

2019-08-31 23:06:42

暂未公开
第一名
YY 2019-08-31 21:25:05
2019-08-31 21:25:05
92.81
第二名
大印 2019-09-04 13:29:08
2019-09-04 13:29:08
92.66
第三名
Mengcius 2019-11-19 07:25:46
2019-11-19 07:25:46
92.66
4
Albert1563667639 2019-09-18 01:14:37
2019-09-18 01:14:37
92.47
5
交差墒 2019-08-31 23:15:52
2019-08-31 23:15:52
92.45
6
CodeAI 2019-09-15 09:16:13
2019-09-15 09:16:13
92.42
7
gboy 2019-09-01 04:31:44
2019-09-01 04:31:44
92.33
8
yangsmile 2019-09-03 05:47:35
2019-09-03 05:47:35
92.33
9
绿肥红瘦 2020-01-07 05:11:23
2020-01-07 05:11:23
92.27
10
Tiernos 2020-03-16 18:30:39
2020-03-16 18:30:39
92.04
11
true up 2019-09-09 05:02:10
2019-09-09 05:02:10
91.95
12
西北风 2019-08-31 21:46:00
2019-08-31 21:46:00
91.77
13
哈尔的移动城堡 2019-08-31 23:16:07
2019-08-31 23:16:07
91.71
14
emmm我还没想好 2019-09-01 11:49:15
2019-09-01 11:49:15
91.62
15
无心法师 2019-09-06 09:16:36
2019-09-06 09:16:36
91.37
16
Zyt 2019-08-31 21:35:11
2019-08-31 21:35:11
91.33
17
Biao_Ge 2019-09-07 01:11:27
2019-09-07 01:11:27
91.3
18
诗人藏夜里 2019-11-21 10:39:37
2019-11-21 10:39:37
90.31
19
trickornot 2019-09-01 03:38:47
2019-09-01 03:38:47
90.25
20
天涯·明月·刀 2019-09-11 00:32:23
2019-09-11 00:32:23
89.51
21
小林子 2019-09-11 13:55:38
2019-09-11 13:55:38
89.39
22
雨中冰言 2019-09-07 17:23:14
2019-09-07 17:23:14
89.33
23
机器学渣 2019-09-07 19:25:54
2019-09-07 19:25:54
89.05
24
Li Kuo-tung 2020-04-27 20:06:33
2020-04-27 20:06:33
88.15
25
木信 2019-12-21 02:10:21
2019-12-21 02:10:21
87.46
26
NingAnMe 2020-12-16 08:21:27
2020-12-16 08:21:27
87.24
27
chenfengshf 2019-09-01 06:08:40
2019-09-01 06:08:40
86.31
28
June_Z 2019-09-04 05:21:53
2019-09-04 05:21:53
80.69
29
SimonFighter 2019-09-08 18:19:07
2019-09-08 18:19:07
70.14
30
超人二号 2019-09-03 15:25:07
2019-09-03 15:25:07
2.09
31
步沧 2019-09-10 22:32:23
2019-09-10 22:32:23
2.09
32
徐辉 2019-09-12 00:28:55
2019-09-12 00:28:55
2.09
33
Helloworld1562285460 2019-09-14 23:49:57
2019-09-14 23:49:57
2.09
34
xupengzheng 2019-09-16 16:53:32
2019-09-16 16:53:32
2.09
35
Peter陈敏 2019-09-20 07:29:08
2019-09-20 07:29:08
2.09
36
cracked2 2019-12-20 17:38:53
2019-12-20 17:38:53
2.09
37
五五 2020-03-09 20:50:33
2020-03-09 20:50:33
2.09
38
lcl050024 2020-04-16 10:37:06
2020-04-16 10:37:06
2.09
39
牛顿不会飞 2020-04-16 11:31:16
2020-04-16 11:31:16
2.09
40
莲子咖啡 2020-09-18 22:16:52
2020-09-18 22:16:52
2.09
41
NemoRyuu 2020-12-13 19:15:44
2020-12-13 19:15:44
2.09
42
章鑫 2019-11-19 17:28:08
2019-11-19 17:28:08
0.1
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