植物幼苗分类

分享给好友

2019-05-31 15:00:00
开始提交

2019-06-30 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

该数据集包括12种植物物种的幼苗。本次竞赛的任务是根据图片建立预测植物种类的精准模型。

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

PlantSeedlingsClassification

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
path string 不为空 图片的路径
seedling string 大于等于 0, 小于等于 11 植物的种类

参考文献:

[1]

评审标准

算法输入输出格式

输入字段: path,

输出字段: seedling,

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:

$vue{item.rank_name}

超过 80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:丶人狠话不多

暂未公开
batch数据为32,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98.42。

2019-06-09 14:33:37

944.00

暂未公开
第三名

提供者:Winteriscoming

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98.42。

Keras

LeNet5

2019-06-10 02:36:34

225.00

暂未公开
第三名

提供者:大木淡漠

暂未公开
batch数据为24,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98.32。

2019-06-10 12:26:59

166.88

暂未公开
4

提供者:恋旧却念旧

暂未公开
batch数据为32,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98.32。

2019-06-28 12:59:32

暂未公开
5

提供者:gboy

暂未公开
batch数据为24,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98.21。

2019-06-11 21:56:42

40.50

暂未公开
6

提供者:no-free-lunch

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98.11。

2019-06-08 01:13:27

440.25

大神经验
7

提供者:trickornot

暂未公开
batch数据为24,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98.00。

2019-06-10 11:30:34

16.31

暂未公开
8

提供者:快来追我呀

暂未公开
batch数据为28,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98.00。

2019-06-28 12:33:45

暂未公开
9

提供者:加勒比

大神经验
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97.79。

2019-06-07 16:03:28

410.51

大神经验
10

提供者:yangsmile

大神经验
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97.79。

2019-06-08 01:52:25

150.00

大神经验
11

提供者:交差墒

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97.47。

PyTorch

Valar Morghulis

2019-06-10 04:39:35

49.19

暂未公开
12

提供者:HelloWor1d

大神经验
batch数据为64,循环次数为333次,通过在线上环境完成训练,模型最优精度评分为96.74。

2019-06-17 13:48:10

12.52

大神经验
13

提供者:前排板凳瓜子

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96.63。

2019-06-06 20:15:29

大神经验
14

提供者:大佬们带带我

大神经验
batch数据为64,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96.42。

2019-06-23 03:36:52

大神经验
15

提供者:hhy

大神经验
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96.00。

2019-06-03 02:43:33

7.03

大神经验
16

提供者:Micoon

大神经验
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95.68。

2019-06-04 20:47:31

50.78

大神经验
17

提供者:赵磊

大神经验
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95.16。

2019-06-02 10:33:22

2.11

大神经验
18

提供者:jianbin.xu

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94.32。

2019-06-01 04:29:41

210.50

暂未公开
19

提供者:佘冠华

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93.89。

2019-06-02 18:53:15

13.22

暂未公开
20

提供者:ChangeBio

大神经验
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93.79。

2019-06-01 10:25:13

28.13

大神经验
21

提供者:火炎焱燚

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93.47。

2019-06-01 21:20:46

3.52

暂未公开
22

提供者:linlh

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93.26。

2019-06-04 18:48:20

8.44

暂未公开
23

提供者:飞飞开始写代码

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93.26。

2019-06-22 07:48:06

暂未公开
24

提供者:sakuranew

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93.16。

2019-06-03 15:12:24

18.00

暂未公开
25

提供者:杨豪

暂未公开
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93.01。

2019-06-12 13:21:20

暂未公开
26

提供者:Origus

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92.90。

2019-06-12 20:09:01

暂未公开
27

提供者:王瑞

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92.21。

2019-06-16 15:05:02

5.55

暂未公开
28

提供者:hahayaayaa

暂未公开
batch数据为256,循环次数为150次,通过在线上环境完成训练,模型最优精度评分为91.58。

2019-06-11 20:53:58

暂未公开
29

提供者:skyofunknow

暂未公开
batch数据为256,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90.95。

2019-06-16 10:36:45

暂未公开
30

提供者:AiFool

暂未公开
batch数据为200,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86.21。

2019-06-08 16:33:28

暂未公开
31

提供者:南宫凝瑜

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80.84。

2019-06-02 17:04:19

暂未公开
32

提供者:lyming

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80.53。

2019-06-01 23:11:54

暂未公开
33

提供者:zhengyuan

暂未公开
batch数据为128,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78.00。

2019-06-26 16:07:51

暂未公开
34

提供者:你猜猜我是谁

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77.37。

2019-06-04 11:54:01

暂未公开
35

提供者:代码搬运工

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77.16。

PyTorch

VGGNet

2019-07-09 12:16:10

暂未公开
36

提供者:汤大力

暂未公开
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76.53。

2019-06-20 21:57:44

暂未公开
37

提供者:liuzhan

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72.53。

2019-06-01 01:50:50

暂未公开
38

提供者:李慕雨

暂未公开
batch数据为256,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66.32。

2019-06-08 01:46:56

暂未公开
39

提供者:麦小杨

暂未公开
batch数据为1024,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65.58。

2019-06-22 16:46:32

暂未公开
40

提供者:ε

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63.26。

2019-06-12 21:38:38

暂未公开
41

提供者:fly2sky

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45.37。

2019-08-06 21:58:35

暂未公开
42

提供者:Zachary

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42.32。

2019-06-03 09:20:14

暂未公开
43

提供者:Light1558343257

暂未公开
batch数据为64,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39.79。

2019-06-13 17:02:32

暂未公开
44

提供者:sw2009

暂未公开
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36.32。

2019-06-03 13:51:38

暂未公开
45

提供者:探索之路

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33.58。

2019-06-09 20:07:34

暂未公开
46

提供者:zeng-_-|

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33.26。

2019-06-02 03:36:08

暂未公开
47

提供者:就是很任性

暂未公开
batch数据为160,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33.26。

2019-06-19 07:32:50

暂未公开
48

提供者:cnn

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32.95。

2019-06-09 13:25:30

暂未公开
49

提供者:ON-looker

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31.79。

2019-06-15 22:41:29

暂未公开
50

提供者:chyang

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27.37。

2019-06-03 00:29:58

暂未公开
51

提供者:markov_future

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27.37。

2019-06-03 16:47:48

暂未公开
52

提供者:陆泓波

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21.37。

2019-06-11 13:39:40

暂未公开
53

提供者:大兴

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20.00。

2019-06-03 15:48:56

暂未公开
54

提供者:poplar

暂未公开
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19.68。

2019-06-04 08:38:09

暂未公开
55

提供者:bamboo

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18.84。

2019-07-02 21:12:51

暂未公开
56

提供者:y轴

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18.63。

2019-06-09 20:01:25

暂未公开
57

提供者:宇宙

暂未公开
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16.74。

2019-06-03 00:19:26

暂未公开
58

提供者:亦云

暂未公开
batch数据为38,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15.47。

2019-06-03 18:35:39

暂未公开
59

提供者:月半

暂未公开
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15.37。

2019-06-01 00:11:34

暂未公开
60

提供者:小丸子

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14.32。

2019-06-13 21:34:48

暂未公开
61

提供者:风雪

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14.11。

2019-06-05 23:23:51

暂未公开
62

提供者:枫1559979219

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14.11。

2019-06-09 13:26:38

暂未公开
63

提供者:灵魂调参师

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14.00。

2019-06-03 07:51:19

暂未公开
64

提供者:yinyu

暂未公开
batch数据为2500,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14.00。

2019-07-09 19:52:02

暂未公开
65

提供者: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13.37。

2019-06-25 22:28:35

暂未公开
66

提供者:Amadeus

暂未公开
batch数据为512,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13.26。

2019-06-05 00:52:11

暂未公开
67

提供者:Jason4521

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12.74。

2019-06-01 09:39:01

暂未公开
68

提供者:兔子是菜鸟

暂未公开
batch数据为500,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12.11。

2019-06-10 09:38:26

暂未公开
69

提供者:飓风神龙

暂未公开
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12.00。

2019-06-18 23:56:48

暂未公开
70

提供者:龙傲天

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11.47。

2019-06-10 16:12:27

暂未公开
71

提供者:stawary

暂未公开
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10.95。

2019-06-01 15:13:31

暂未公开
72

提供者:月之涯

暂未公开
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9.47。

2019-06-02 13:10:17

暂未公开
73

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9.47。

2019-06-03 14:23:56

暂未公开
74

提供者:Tk more tk less

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5.16。

2019-06-13 02:03:14

暂未公开
第一名
Aristo 2020-01-14 09:51:29
2020-01-14 09:51:29
98.11
第二名
我改名字了 2019-08-02 12:51:00
2019-08-02 12:51:00
97.26
第三名
丅丄 2019-09-03 11:51:44
2019-09-03 11:51:44
95.05
4
Wh1t3zZ 2020-01-12 20:29:34
2020-01-12 20:29:34
94.95
5
xaioqiang 2019-09-11 15:10:06
2019-09-11 15:10:06
92.63
6
pprp 2019-08-08 01:55:18
2019-08-08 01:55:18
92.53
7
adsfadiasdf 2020-01-10 19:16:23
2020-01-10 19:16:23
92.53
8
fly2sky 2019-08-06 23:53:40
2019-08-06 23:53:40
85.68
9
绿肥红瘦 2020-02-01 22:11:22
2020-02-01 22:11:22
83.68
10
FFTW 2020-02-29 21:17:13
2020-02-29 21:17:13
79.05
11
小久木 2020-01-15 03:55:40
2020-01-15 03:55:40
59.68
12
cnn 2019-08-21 12:05:04
2019-08-21 12:05:04
45.16
13
鱼头 2020-06-18 00:55:46
2020-06-18 00:55:46
38.95
14
WILL1578535812 2020-01-11 13:29:53
2020-01-11 13:29:53
37.16
15
space 2019-09-09 01:14:27
2019-09-09 01:14:27
36
16
韩天啸 2020-06-12 06:44:05
2020-06-12 06:44:05
21.47
17
flyai会员1578640121 2020-01-11 21:10:49
2020-01-11 21:10:49
15.05
18
4533223 2020-01-14 11:08:34
2020-01-14 11:08:34
14.21
19
呜啦啦啦 2019-08-05 21:13:28
2019-08-05 21:13:28
13.89
20
大佬带带我 2019-08-15 11:17:07
2019-08-15 11:17:07
13.89
21
chango 2019-08-26 11:12:30
2019-08-26 11:12:30
13.89
22
Biao_Ge 2019-08-27 09:21:55
2019-08-27 09:21:55
13.89
23
Zuolong 2019-08-31 23:51:26
2019-08-31 23:51:26
13.89
24
lcl050024 2019-09-10 12:05:58
2019-09-10 12:05:58
13.89
25
flybird 2019-09-10 16:23:33
2019-09-10 16:23:33
13.89
26
ak47 2019-09-10 19:36:38
2019-09-10 19:36:38
13.89
27
豆丁 2019-09-21 00:13:13
2019-09-21 00:13:13
13.89
28
2019-09-24 10:07:13
2019-09-24 10:07:13
13.89
29
谢朝锋 2019-10-11 21:16:37
2019-10-11 21:16:37
13.89
30
hajohn 2019-10-18 16:24:20
2019-10-18 16:24:20
13.89
31
sishiwu 2019-10-22 16:53:52
2019-10-22 16:53:52
13.89
32
宋化志 2019-10-26 11:07:39
2019-10-26 11:07:39
13.89
33
Rushroo 2019-10-30 20:33:37
2019-10-30 20:33:37
13.89
34
Kit 2019-12-03 15:30:19
2019-12-03 15:30:19
13.89
35
猎X蝽 2019-12-11 12:45:07
2019-12-11 12:45:07
13.89
36
flyai会员1578535938 2020-01-09 10:18:38
2020-01-09 10:18:38
13.89
37
flyai会员1578537512 2020-01-09 10:41:39
2020-01-09 10:41:39
13.89
38
Orangestar 2020-01-09 10:50:36
2020-01-09 10:50:36
13.89
39
柳上原1578536748 2020-01-09 11:09:40
2020-01-09 11:09:40
13.89
40
2020-01-09 16:18:41
2020-01-09 16:18:41
13.89
41
flyai会员1578560492 2020-01-09 17:04:36
2020-01-09 17:04:36
13.89
42
꧁꫞JOKER꫞꧂ 2020-01-09 22:17:56
2020-01-09 22:17:56
13.89
43
flyai会员1578632325 2020-01-10 13:00:33
2020-01-10 13:00:33
13.89
44
沉潭 2020-01-11 11:47:31
2020-01-11 11:47:31
13.89
45
库有引力 2020-01-11 14:59:47
2020-01-11 14:59:47
13.89
46
善良的弗阿瓦 2020-01-12 14:21:37
2020-01-12 14:21:37
13.89
47
段明宏 2020-01-13 09:52:34
2020-01-13 09:52:34
13.89
48
堂前燕,沐烟雨 2020-01-13 15:31:58
2020-01-13 15:31:58
13.89
49
陈1578468166 2020-01-22 14:34:18
2020-01-22 14:34:18
13.89
50
flyai会员1590545182 2020-05-27 10:43:25
2020-05-27 10:43:25
13.89
51
124684 2020-07-10 16:46:17
2020-07-10 16:46:17
13.89
52
lysss 2020-09-18 21:15:51
2020-09-18 21:15:51
13.89
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