AI医学影像:小儿肺炎患者诊断

分享给好友

2019-05-05 15:00:00
开始提交

2019-06-04 15:00:00
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
  • 赛事介绍
  • 竞赛排行榜
  • 自由练习榜单
  • 讨论($vue{comment_count})

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

大赛简介

胸部X线影像(前-后)选自广州市广州妇女儿童医学中心一至五岁儿科患者。所有胸部X射线成像均作为患者常规临床护理的一部分进行。

有5,863个X射线图像(JPEG)和2个类别(肺炎/正常)。

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!

数据来源

ChestXray

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 file_path 不为空 图片的相对路径
type int 不为空 图片对应的类别
label int 大于等于 0, 小于等于 1 图片的标注标签

参考文献:

[1]chest-xray-pneumonia

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

  • 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

$vue{item.rank_name}

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

提供者:看你很6哦

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96.41。

2019-05-08 17:26:35

2687.50

暂未公开
第三名

提供者:你猜猜我是谁

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96.05。

2019-05-07 11:56:43

2314.00

暂未公开
第三名

提供者:YY

暂未公开
batch数据为128,循环次数为220次,通过在线上环境完成训练,模型最优精度评分为95.20。

2019-07-15 00:06:06

23.44

暂未公开
4

提供者:weiliming

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94.47。

2019-07-09 17:19:23

46.88

暂未公开
5

提供者:极简

大神经验
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93.71。

2019-05-12 12:00:34

687.50

大神经验
6

提供者:汐炎

大神经验
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93.59。

2019-05-07 23:26:56

593.75

大神经验
7

提供者:minth

大神经验
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92.51。

2019-07-19 09:04:14

15.24

大神经验
8

提供者:交差墒

大神经验
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92.41。

2019-05-31 00:14:56

100.78

大神经验
9

提供者:兔子是菜鸟

大神经验
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91.56。

2019-05-06 00:46:52

652.00

大神经验
10

提供者:lyming

大神经验
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91.24。

2019-05-12 17:03:18

112.50

大神经验
11

提供者:加勒比

暂未公开
batch数据为80,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90.95。

2019-05-15 10:50:48

28.13

暂未公开
12

提供者:火炎焱燚

暂未公开
batch数据为64,循环次数为37次,通过在线上环境完成训练,模型最优精度评分为89.82。

2019-05-07 20:37:13

90.00

暂未公开
13

提供者:Winteriscoming

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89.80。

2019-05-11 16:28:38

29.06

暂未公开
14

提供者:就是很任性

暂未公开
batch数据为50,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87.70。

2019-05-10 17:25:44

暂未公开
15

提供者:Seeney

暂未公开
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87.39。

2019-05-10 03:08:00

暂未公开
16

提供者:从小跑开始

暂未公开
batch数据为64,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为87.22。

2019-05-26 19:58:06

暂未公开
17

提供者:喵喵

暂未公开
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87.09。

2019-05-11 17:03:10

暂未公开
18

提供者:理言

暂未公开
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86.43。

2019-05-09 08:08:03

暂未公开
19

提供者:Silence

暂未公开
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86.38。

2019-05-06 07:52:44

75.00

暂未公开
20

提供者:cv1557321940

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86.09。

2019-07-29 18:19:46

暂未公开
21

提供者:Micoon

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86.04。

2019-05-15 14:22:08

暂未公开
22

提供者:前排板凳瓜子

暂未公开
batch数据为160,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85.92。

2019-05-13 20:33:32

暂未公开
23

提供者:trick_or_treat

暂未公开
batch数据为64,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85.30。

2019-05-05 21:22:25

681.00

暂未公开
24

提供者:hhy

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85.18。

2019-05-06 14:12:24

30.00

暂未公开
25

提供者:Endeløs læring

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84.94。

2019-05-09 17:39:32

暂未公开
26

提供者:打酱油

暂未公开
batch数据为16,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84.81。

2019-05-07 21:29:02

暂未公开
27

提供者:linlh

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84.54。

2019-05-29 20:44:59

暂未公开
28

提供者:yangsmile

暂未公开
batch数据为128,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84.53。

2019-05-06 15:33:31

7.50

暂未公开
29

提供者:我没说

暂未公开
batch数据为32,循环次数为250次,通过在线上环境完成训练,模型最优精度评分为84.49。

2019-05-08 11:15:38

暂未公开
30

提供者:Gifford

暂未公开
batch数据为64,循环次数为120次,通过在线上环境完成训练,模型最优精度评分为84.47。

2019-05-09 22:44:32

暂未公开
31

提供者:clare

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84.35。

2019-05-07 17:35:58

1.88

暂未公开
32

提供者:凌空

暂未公开
batch数据为256,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84.18。

Keras

VGG16

2019-05-08 18:34:30

3.75

暂未公开
33

提供者:Student_HXJ

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83.60。

2019-05-29 11:09:11

暂未公开
34

提供者:kongd

暂未公开
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83.30。

2019-05-19 13:11:23

暂未公开
35

提供者:框架用的再熟练也只是个码农

暂未公开
batch数据为600,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82.74。

2019-05-16 10:20:12

暂未公开
36

提供者:Jason4521

暂未公开
batch数据为256,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82.73。

2019-05-12 10:21:19

暂未公开
37

提供者:no-free-lunch

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82.16。

2019-05-15 13:18:40

暂未公开
38

提供者:M.

暂未公开
batch数据为512,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81.86。

Keras

LeNet-5

2019-05-07 02:45:52

暂未公开
39

提供者:trickornot

暂未公开
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81.80。

2019-05-06 04:43:41

7.50

暂未公开
40

提供者:普六茹那罗延

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81.70。

2019-05-07 17:57:41

暂未公开
41

提供者:ChangeBio

暂未公开
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81.43。

2019-05-08 03:14:27

暂未公开
42

提供者:hiccup

暂未公开
batch数据为128,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81.40。

2019-06-13 10:14:40

暂未公开
43

提供者:DDBG

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81.30。

2019-05-15 13:35:49

暂未公开
44

提供者:Elgine

暂未公开
batch数据为128,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81.07。

2019-05-10 16:36:13

暂未公开
45

提供者:晓风

暂未公开
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80.95。

2019-05-08 17:32:52

暂未公开
46

提供者:Lcxiang3

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80.75。

2019-05-11 08:38:02

暂未公开
47

提供者:uuuuu

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80.72。

2019-05-07 00:48:46

暂未公开
48

提供者:chyang

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80.65。

2019-05-10 15:44:12

暂未公开
49

提供者:Joshua

暂未公开
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80.57。

2019-05-06 19:42:06

1.88

暂未公开
50

提供者:我是特种兵1557281850

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79.75。

2019-05-15 15:27:41

暂未公开
51

提供者:Carol

暂未公开
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79.71。

2019-05-10 15:40:14

暂未公开
52

提供者:XW

暂未公开
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79.66。

2019-05-07 16:36:40

暂未公开
53

提供者:whykifan

暂未公开
batch数据为256,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79.40。

2019-05-11 20:44:59

暂未公开
54

提供者:宇宙

暂未公开
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78.35。

2019-05-25 03:24:50

暂未公开
55

提供者:简逸

暂未公开
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77.86。

2019-05-06 15:54:03

暂未公开
56

提供者:jianbin.xu

暂未公开
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77.84。

2019-05-16 13:10:59

暂未公开
57

提供者:天天向上

暂未公开
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77.72。

2019-05-07 20:02:39

暂未公开
58

提供者:奔跑瞬间

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77.40。

2019-05-22 19:33:58

暂未公开
59

提供者:bestfitting

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76.96。

2019-05-07 10:15:54

暂未公开
60

提供者:smooklazz

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75.76。

2019-05-06 20:32:07

暂未公开
61

提供者:江枫渔火

暂未公开
batch数据为32,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75.59。

2019-05-06 03:11:05

暂未公开
62

提供者:刘喵兄

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75.51。

2019-05-06 13:51:10

暂未公开
63

提供者:波尔

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75.40。

2019-07-16 19:46:11

暂未公开
64

提供者:gezp

暂未公开
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74.81。

2019-05-05 21:01:06

暂未公开
65

提供者:彼得·帕克

暂未公开
batch数据为2,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74.80。

2019-05-10 06:28:28

暂未公开
66

提供者:zzz

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74.65。

2019-05-08 11:49:45

暂未公开
67

提供者:Vincent

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74.26。

2019-05-08 21:29:14

暂未公开
68

提供者:杨杨杨

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72.73。

2019-08-06 13:54:19

暂未公开
69

提供者:大木淡漠

暂未公开
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71.58。

2019-05-09 12:06:55

暂未公开
70

提供者:无......有

暂未公开
batch数据为16,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71.12。

2019-05-10 14:45:33

暂未公开
71

提供者:Reluminia

暂未公开
batch数据为6000,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70.70。

2019-05-09 14:12:41

暂未公开
72

提供者:Olivia

暂未公开
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70.70。

2019-05-11 09:52:08

暂未公开
73

提供者:.co

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70.68。

2019-05-06 03:56:39

暂未公开
74

提供者:优雅一只猫

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70.62。

2019-05-08 00:42:43

暂未公开
75

提供者:麦小杨

暂未公开
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69.78。

2019-05-27 09:38:56

暂未公开
76

提供者:Teenage Dream

暂未公开
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68.72。

2019-05-19 14:35:07

暂未公开
77

提供者:沙雕网友

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68.19。

2019-05-10 04:57:47

暂未公开
78

提供者:闻剑船书铸扌

暂未公开
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68.11。

2019-05-14 10:42:19

暂未公开
79

提供者:jhp

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66.81。

2019-05-06 01:43:44

暂未公开
80

提供者:天涯·明月·刀

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65.71。

2019-07-19 08:44:16

暂未公开
81

提供者:风暴掀桌子

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65.40。

2019-05-10 16:11:17

暂未公开
82

提供者:x

暂未公开
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64.54。

2019-05-07 10:09:32

暂未公开
83

提供者:惊鸿飞雪

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63.82。

2019-05-06 17:09:10

暂未公开
84

提供者:长弓PAN

暂未公开
batch数据为200,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63.22。

2019-05-10 17:15:29

暂未公开
85

提供者:给我两块啊

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63.16。

2019-05-07 12:20:07

暂未公开
86

提供者:Simplestory

暂未公开
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60.18。

2019-05-12 13:30:51

暂未公开
87

提供者:唱跳RAP打篮球

暂未公开
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58.43。

2019-05-09 01:49:53

暂未公开
88

提供者:fsencen

暂未公开
batch数据为32,循环次数为80次,通过在线上环境完成训练,模型最优精度评分为57.75。

python

CNN

2019-05-17 17:51:31

暂未公开
89

提供者:凌霄@文强

暂未公开
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55.46。

2019-05-05 22:44:15

暂未公开
90

提供者:chenyu

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55.34。

2019-05-11 15:04:16

暂未公开
91

提供者:轩

暂未公开
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54.61。

2019-05-14 17:20:08

暂未公开
92

提供者:强化学习

暂未公开
batch数据为128,循环次数为2500次,通过在线上环境完成训练,模型最优精度评分为54.55。

2019-05-06 21:20:52

暂未公开
93

提供者:冯了个杰

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54.55。

2019-05-12 01:19:08

暂未公开
94

提供者:嘿嘿

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54.55。

2019-06-05 17:12:54

暂未公开
95

提供者:pprp

暂未公开
batch数据为12,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54.55。

2019-08-06 08:29:55

暂未公开
96

提供者:金艳

暂未公开
batch数据为32,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52.83。

2019-06-04 09:19:36

暂未公开
97

提供者:丶人狠话不多

暂未公开
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50.96。

2019-05-06 00:29:16

暂未公开
98

提供者:tik_boa

暂未公开
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49.52。

2019-05-06 00:18:37

暂未公开
99

提供者:gboy

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47.77。

2019-05-06 09:32:06

暂未公开
100

提供者:xungeer29

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41.60。

2019-05-07 08:59:22

暂未公开
101

提供者:Bluove

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27.56。

2019-05-11 04:41:37

暂未公开
102

提供者:binghang

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22.07。

2019-05-16 02:47:26

暂未公开
103

提供者:青1564705852

暂未公开
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0.00。

2019-08-02 11:40:40

暂未公开
第一名
YY 2019-08-10 16:13:05
2019-08-10 16:13:05
93.51
第二名
吖查 2020-02-12 03:34:02
2020-02-12 03:34:02
92.17
第三名
mki 2019-09-17 23:06:52
2019-09-17 23:06:52
91.07
4
cnn 2019-08-16 09:44:20
2019-08-16 09:44:20
56.12
5
piano 2019-08-23 02:34:25
2019-08-23 02:34:25
54.55
6
Tk more tk less 2019-11-14 14:38:35
2019-11-14 14:38:35
54.55
7
hiccup 2019-08-07 14:16:56
2019-08-07 14:16:56
54.5
8
青1564705852 2019-08-18 19:26:30
2019-08-18 19:26:30
43.44
9
刘小花 2019-08-07 15:16:04
2019-08-07 15:16:04
0
10
motoleisure 2019-08-25 14:42:39
2019-08-25 14:42:39
0
11
谢俊宇 2019-09-17 16:54:37
2019-09-17 16:54:37
0
12
Viola 2019-11-04 23:28:11
2019-11-04 23:28:11
0
13
希布 2019-11-06 13:09:40
2019-11-06 13:09:40
0
14
weidong 2019-11-09 09:03:41
2019-11-09 09:03:41
0
15
学霸 2019-12-09 16:00:28
2019-12-09 16:00:28
0
16
Solace 2020-01-05 11:01:29
2020-01-05 11:01:29
0
17
无聊到自闭自开花到底最多几个字 2020-03-04 15:34:34
2020-03-04 15:34:34
0
18
韩天啸 2020-06-14 21:33:15
2020-06-14 21:33:15
0
19
flyai会员1603024333 2020-11-08 15:14:43
2020-11-08 15:14:43
0
20
云倩 2021-01-06 11:11:47
2021-01-06 11:11:47
0
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

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