脸部年龄判断

分享给好友

2019-08-02 15:00:00
开始提交

2019-09-01 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

本数据集为脸龄判断数据集,共包含9779张不同人种的人类个体面部图片,个体年龄分布为1岁到110岁之间,共99个类别。为简化问题,将每10岁划为一个区间,使类别缩小到10类。

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

FacialAgeTenClass

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 图片路径
label int 大于等于 0, 小于等于 9 年龄类别

参考文献:

[1]

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:

$vue{item.rank_name}

超过 65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:YY

暂未公开
batch数据为30,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71.06。

2019-07-28 19:59:57

798.00

暂未公开
第三名

提供者:小林子

大神经验
batch数据为64,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70.14。

2019-09-13 22:50:22

4.50

大神经验
第三名

提供者:龙傲天

大神经验
batch数据为100,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68.30。

2019-09-25 07:34:25

大神经验
4

提供者:探索之路

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67.13。

2019-09-09 14:54:33

大神经验
5

提供者:Hawk

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66.56。

2019-07-31 20:41:05

暂未公开
6

提供者:Whisney`逸文

大神经验
batch数据为60,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66.31。

2019-08-09 10:14:50

大神经验
7

提供者:丶人狠话不多

大神经验
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65.85。

2019-08-04 16:49:07

大神经验
8

提供者:KASO

暂未公开
batch数据为100,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65.80。

2019-08-15 10:48:46

暂未公开
9

提供者:善假于物

暂未公开
batch数据为48,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65.75。

2019-08-04 09:20:07

暂未公开
10

提供者:青春猪头少年

暂未公开
batch数据为32,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65.59。

2019-08-19 02:51:59

暂未公开
11

提供者:skr skr skr

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65.59。

2019-08-22 11:23:37

暂未公开
12

提供者:Akatsuki

暂未公开
batch数据为16,循环次数为22次,通过在线上环境完成训练,模型最优精度评分为65.39。

Keras

VGG19

2019-08-17 20:37:55

暂未公开
13

提供者:HelloWor1d

暂未公开
batch数据为32,循环次数为123次,通过在线上环境完成训练,模型最优精度评分为64.98。

2019-09-02 22:35:18

暂未公开
14

提供者:ON-looker

暂未公开
batch数据为16,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64.88。

2019-09-13 14:25:41

暂未公开
15

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64.83。

2019-07-03 15:36:14

暂未公开
16

提供者:福大小渣妹

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64.83。

2019-07-22 17:00:01

暂未公开
17

提供者:大木淡漠

暂未公开
batch数据为180,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64.62。

2019-07-03 16:49:20

暂未公开
18

提供者:就是很任性

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64.52。

Keras

Resnet50

2019-08-31 20:54:41

暂未公开
19

提供者: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64.42。

2019-07-03 20:28:22

暂未公开
20

提供者:快来追我呀

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63.96。

2019-07-03 16:46:41

暂未公开
21

提供者:上山打老鼠

暂未公开
batch数据为128,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63.96。

2019-09-02 23:08:23

暂未公开
22

提供者:郁晓冬

暂未公开
batch数据为32,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63.91。

2019-07-17 19:11:36

暂未公开
23

提供者:莫须有の嚣张

暂未公开
batch数据为60,循环次数为121次,通过在线上环境完成训练,模型最优精度评分为63.91。

2019-09-27 10:40:55

暂未公开
24

提供者:宇宙

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63.85。

2019-09-02 19:03:27

暂未公开
25

提供者:trickornot

暂未公开
batch数据为30,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63.75。

2019-07-03 15:13:48

暂未公开
26

提供者:无......有

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63.50。

2019-07-20 12:42:43

暂未公开
27

提供者:keeper

暂未公开
batch数据为32,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63.34。

2019-08-11 16:42:53

暂未公开
28

提供者:gboy

暂未公开
batch数据为30,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63.14。

2019-07-03 17:45:28

暂未公开
29

提供者:linlh

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62.99。

2019-07-05 03:47:24

暂未公开
30

提供者:yahiko

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62.93。

Keras

NASNet_large

2019-09-02 16:20:30

暂未公开
31

提供者:Jermmy

暂未公开
batch数据为48,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62.93。

2019-09-17 06:09:30

暂未公开
32

提供者:★八百标兵奔北坡

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62.47。

2019-08-18 02:21:34

暂未公开
33

提供者:xaioqiang

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62.42。

2019-09-14 11:07:08

暂未公开
34

提供者:killf

暂未公开
batch数据为8,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62.27。

paddle

CNN

2019-08-05 18:42:58

暂未公开
35

提供者:加勒比

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62.12。

2019-07-03 19:13:40

暂未公开
36

提供者:超爱喝酸奶

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61.71。

2019-09-14 10:33:59

暂未公开
37

提供者:sloan

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61.40。

2019-07-10 15:40:37

暂未公开
38

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61.09。

2019-07-06 06:04:51

暂未公开
39

提供者:isaiah

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60.84。

MXNet

CNN

2019-07-17 02:10:22

暂未公开
40

提供者:忘忧草892

暂未公开
batch数据为4,循环次数为39次,通过在线上环境完成训练,模型最优精度评分为60.58。

2019-10-08 11:06:16

暂未公开
41

提供者:人间正道是沧桑

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60.38。

2019-07-04 02:22:29

暂未公开
42

提供者:交差墒

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59.97。

PyTorch

冲呀为了零花钱

2019-07-03 17:51:01

暂未公开
43

提供者:顺然

暂未公开
batch数据为128,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59.10。

2019-09-25 14:03:00

暂未公开
44

提供者:ε

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59.00。

2019-07-03 23:11:41

暂未公开
45

提供者:Levi

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58.90。

2019-09-20 23:24:42

暂未公开
46

提供者:佩奇

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58.84。

2019-09-27 06:46:49

暂未公开
47

提供者:Mr.Fire

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58.28。

2019-07-04 00:19:20

暂未公开
48

提供者:三两

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57.87。

2019-09-17 18:12:28

暂未公开
49

提供者:陌上

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57.77。

2019-08-24 03:54:27

暂未公开
50

提供者:祥祥

暂未公开
batch数据为200,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57.67。

2019-08-31 13:05:17

暂未公开
51

提供者:AiFool

暂未公开
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57.62。

2019-07-03 20:33:57

暂未公开
52

提供者:cv1557321940

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57.46。

2019-08-06 08:57:44

暂未公开
53

提供者:ChangeBio

暂未公开
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56.90。

2019-07-09 01:27:25

暂未公开
54

提供者:会飞的猪

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56.90。

2019-09-18 09:40:45

暂未公开
55

提供者:clare

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55.98。

2019-07-04 01:12:25

暂未公开
56

提供者:SeeU

暂未公开
batch数据为128,循环次数为5001次,通过在线上环境完成训练,模型最优精度评分为55.83。

2019-07-20 23:19:17

暂未公开
57

提供者:代码搬运工

暂未公开
batch数据为100,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55.67。

PyTorch

VGGNet

2019-08-31 16:46:02

暂未公开
58

提供者:hahastrong

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55.57。

2019-08-04 01:11:06

暂未公开
59

提供者:cnn

暂未公开
batch数据为50,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55.01。

2019-07-07 23:58:20

暂未公开
60

提供者:qck15570179927

暂未公开
batch数据为48,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54.86。

2019-08-28 07:43:59

暂未公开
61

提供者:法想的熟成不个有

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54.65。

2019-08-14 09:35:46

暂未公开
62

提供者:默笑-苗

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54.45。

2019-07-04 23:07:45

暂未公开
63

提供者:不二臣

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54.45。

2019-09-21 20:02:12

暂未公开
64

提供者:麦小杨

暂未公开
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54.40。

2019-07-04 12:23:28

暂未公开
65

提供者:张潮

暂未公开
batch数据为125,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54.35。

2019-07-20 23:20:53

暂未公开
66

提供者:陈均泳

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54.29。

2019-08-10 23:26:11

暂未公开
67

提供者:cyf

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53.83。

2019-09-07 10:45:40

暂未公开
68

提供者:风儿吹过

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53.32。

2019-08-06 04:03:08

暂未公开
69

提供者:纶巾

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52.61。

2019-07-03 14:41:54

暂未公开
70

提供者:沧海一声切克闹

暂未公开
batch数据为50,循环次数为55次,通过在线上环境完成训练,模型最优精度评分为52.61。

2019-10-01 12:17:05

暂未公开
71

提供者:痴于未知

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51.94。

2019-07-10 18:25:15

暂未公开
72

提供者:Joshua

暂未公开
batch数据为500,循环次数为3200次,通过在线上环境完成训练,模型最优精度评分为51.89。

2019-07-03 12:53:30

暂未公开
73

提供者:cftang

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51.89。

2019-07-03 16:02:11

暂未公开
74

提供者:曾许诺

暂未公开
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51.89。

2019-08-04 19:06:32

暂未公开
75

提供者:machinelearning小学生

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51.43。

2019-07-04 00:42:48

暂未公开
76

提供者:June_Z

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51.43。

2019-09-06 09:53:58

暂未公开
77

提供者:xys

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51.23。

2019-09-11 08:06:50

暂未公开
78

提供者:怎么又错了

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51.02。

2019-08-10 05:06:17

暂未公开
79

提供者:sw2009

暂未公开
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50.92。

2019-08-24 08:48:38

暂未公开
80

提供者:Scarlatti

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50.61。

2019-07-03 17:20:53

暂未公开
81

提供者:北部湾的落日

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50.46。

2019-07-15 18:44:44

暂未公开
82

提供者:WF

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50.41。

2019-07-05 04:29:03

暂未公开
83

提供者:鹦武鸟

暂未公开
batch数据为64,循环次数为1600次,通过在线上环境完成训练,模型最优精度评分为49.23。

2019-07-05 16:45:37

暂未公开
84

提供者:Leong_Logan

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49.18。

2019-09-02 17:52:59

暂未公开
85

提供者:阶跃函数

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48.72。

2019-07-10 20:14:51

暂未公开
86

提供者:likeBBBrest

暂未公开
batch数据为50,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47.90。

2019-10-02 23:39:24

暂未公开
87

提供者:好吧不好吧你都用

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46.78。

2019-09-24 17:43:35

暂未公开
88

提供者:丨风灬起

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44.17。

2019-08-04 15:43:58

暂未公开
89

提供者:习习

暂未公开
batch数据为32,循环次数为90次,通过在线上环境完成训练,模型最优精度评分为44.17。

2019-08-09 21:53:07

暂未公开
90

提供者:打怪升级

暂未公开
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43.35。

2019-08-23 11:00:58

暂未公开
91

提供者:哇咔咔

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41.62。

2019-09-03 19:24:26

暂未公开
92

提供者:坏人

暂未公开
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41.46。

2019-08-06 11:12:15

暂未公开
93

提供者:zpc

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40.18。

2019-09-21 12:30:49

暂未公开
94

提供者:leon_wu

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39.83。

2019-09-07 14:38:53

暂未公开
95

提供者:Koi

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35.84。

2019-09-16 23:25:55

暂未公开
96

提供者:未过及格线

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34.71。

2019-08-14 22:42:43

暂未公开
97

提供者:大公鸡过马路

暂未公开
batch数据为256,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34.61。

2019-07-18 01:58:32

暂未公开
98

提供者:Nannn

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33.79。

2019-09-17 08:56:29

暂未公开
99

提供者:不懂取什么名字

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32.72。

2019-08-14 02:42:05

暂未公开
100

提供者:道长的道

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32.67。

2019-07-04 19:19:15

暂未公开
101

提供者:Devin

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32.31。

2019-07-06 12:46:21

暂未公开
102

提供者:薛会

暂未公开
batch数据为30,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31.90。

2019-08-11 21:51:00

暂未公开
103

提供者:Xin Yao

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30.78。

2019-07-09 02:20:50

暂未公开
104

提供者: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30.73。

2019-07-03 19:45:37

暂未公开
105

提供者:cgangee

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30.73。

2019-07-05 02:45:25

暂未公开
106

提供者:begins

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30.73。

2019-07-05 14:03:05

暂未公开
107

提供者:huybery

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30.73。

2019-07-05 14:14:42

暂未公开
108

提供者:fly2sky

暂未公开
batch数据为16,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30.73。

2019-07-06 02:12:10

暂未公开
109

提供者:这是个问题

暂未公开
batch数据为4,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30.73。

2019-07-07 00:29:10

暂未公开
110

提供者:飞飞开始写代码

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30.73。

2019-07-09 21:36:54

暂未公开
111

提供者:yurisa1

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30.73。

2019-07-09 23:20:03

暂未公开
112

提供者:朱润松

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30.73。

2019-07-16 07:03:04

暂未公开
113

提供者:瞻彼淇奥

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30.73。

2019-07-16 16:35:45

暂未公开
114

提供者:Skip2my lou

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30.73。

2019-08-05 18:35:40

暂未公开
115

提供者:杨杨杨

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30.73。

2019-08-06 20:32:23

暂未公开
116

提供者:A quiet

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30.73。

2019-08-07 15:03:06

暂未公开
117

提供者:呜啦啦啦

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30.73。

2019-08-08 20:44:16

暂未公开
118

提供者:嘟嘟1565240581

暂未公开
batch数据为128,循环次数为90次,通过在线上环境完成训练,模型最优精度评分为30.73。

2019-08-09 20:42:23

暂未公开
119

提供者:山山而川

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30.73。

2019-08-20 03:04:01

暂未公开
120

提供者:王润哲

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30.73。

2019-08-21 11:38:21

暂未公开
121

提供者:富强民主文明和谐

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30.73。

2019-08-22 18:03:56

暂未公开
122

提供者:Tk more tk less

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30.73。

2019-08-31 01:51:33

暂未公开
123

提供者: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30.73。

2019-09-01 19:09:48

暂未公开
124

提供者:田心在路上

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30.73。

2019-09-04 12:33:35

暂未公开
125

提供者:微风

暂未公开
batch数据为1,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30.73。

2019-09-05 17:03:08

暂未公开
126

提供者:a554142589

暂未公开
batch数据为2,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30.73。

2019-10-11 12:45:46

暂未公开
127

提供者:做自己的唯一

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14.93。

2019-07-31 20:12:47

暂未公开
128

提供者:zxq

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11.20。

2019-08-02 01:59:19

暂未公开
129

提供者:Aragon

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6.75。

2019-08-03 18:26:35

暂未公开
130

提供者:czj520

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0.00。

2019-09-02 09:58:37

暂未公开
第一名
花落的世界 2019-12-14 00:33:58
2019-12-14 00:33:58
68.76
第二名
王冠 2019-10-21 22:33:30
2019-10-21 22:33:30
68.46
第三名
对方正在输入 2019-11-24 17:02:32
2019-11-24 17:02:32
67.59
4
Tk more tk less 2019-11-11 15:15:52
2019-11-11 15:15:52
66.77
5
Tiernos 2020-03-12 23:49:55
2020-03-12 23:49:55
64.26
6
flyai会员1576757313 2019-12-22 08:56:47
2019-12-22 08:56:47
59.05
7
hajohn 2019-10-15 12:05:52
2019-10-15 12:05:52
51.94
8
繁星 2019-10-19 11:00:08
2019-10-19 11:00:08
51.94
9
yzyuan 2019-10-19 14:41:06
2019-10-19 14:41:06
51.94
10
sudoku 2019-10-19 22:30:48
2019-10-19 22:30:48
51.94
11
Walker1571734626 2019-10-22 17:02:37
2019-10-22 17:02:37
51.94
12
六个骨头 2019-10-23 15:23:46
2019-10-23 15:23:46
51.94
13
濯君 2019-10-25 20:02:51
2019-10-25 20:02:51
51.94
14
C 2019-10-27 20:59:23
2019-10-27 20:59:23
51.94
15
Kaspar.S 2019-10-29 15:34:16
2019-10-29 15:34:16
51.94
16
嘻嘻嘻哈哈 2019-10-30 11:38:18
2019-10-30 11:38:18
51.94
17
江小白 2019-10-31 15:29:34
2019-10-31 15:29:34
51.94
18
Hello 2019-10-31 23:31:41
2019-10-31 23:31:41
51.94
19
tensorflow 2019-11-01 10:19:56
2019-11-01 10:19:56
51.94
20
做着英雄梦的路人甲 2019-11-01 11:05:18
2019-11-01 11:05:18
51.94
21
第五轻柔 2019-11-01 16:08:49
2019-11-01 16:08:49
51.94
22
乐呵的太阳 2019-11-02 17:19:07
2019-11-02 17:19:07
51.94
23
铖橙 2019-11-05 09:00:03
2019-11-05 09:00:03
51.94
24
Chiral 2019-11-05 22:20:53
2019-11-05 22:20:53
51.94
25
LukaDoncic 2019-11-07 23:15:09
2019-11-07 23:15:09
51.94
26
2019-11-10 12:00:37
2019-11-10 12:00:37
51.94
27
姬了个喵 2019-11-11 15:59:19
2019-11-11 15:59:19
51.94
28
sunshine1573469860 2019-11-11 19:07:34
2019-11-11 19:07:34
51.94
29
Salad 2019-11-11 20:05:11
2019-11-11 20:05:11
51.94
30
chengcheng 2019-11-13 14:35:57
2019-11-13 14:35:57
51.94
31
2019-11-13 21:09:59
2019-11-13 21:09:59
51.94
32
Boyce Avenue 2019-11-14 15:11:03
2019-11-14 15:11:03
51.94
33
2019-11-16 22:06:26
2019-11-16 22:06:26
51.94
34
    2019-11-18 22:52:04
2019-11-18 22:52:04
51.94
35
丁丁虫 2019-11-19 14:40:03
2019-11-19 14:40:03
51.94
36
WenhuaL 2019-11-19 15:14:40
2019-11-19 15:14:40
51.94
37
张先生-您好 2019-11-21 14:35:59
2019-11-21 14:35:59
51.94
38
Mr.one 2019-11-21 17:08:53
2019-11-21 17:08:53
51.94
39
2019-11-24 15:26:54
2019-11-24 15:26:54
51.94
40
poplar 2019-11-25 14:56:48
2019-11-25 14:56:48
51.94
41
Einsteinpcm 2019-11-26 18:17:48
2019-11-26 18:17:48
51.94
42
Hollens 2019-11-29 13:00:07
2019-11-29 13:00:07
51.94
43
rere 2019-12-01 11:01:18
2019-12-01 11:01:18
51.94
44
znce 2019-12-10 21:33:34
2019-12-10 21:33:34
51.94
45
W~aimumu 2019-12-19 14:57:17
2019-12-19 14:57:17
51.94
46
渣喵 2019-12-23 11:10:37
2019-12-23 11:10:37
51.94
47
cvyang 2019-12-27 16:50:27
2019-12-27 16:50:27
51.94
48
言名 2019-12-27 17:00:37
2019-12-27 17:00:37
51.94
49
gczyjbr 2019-12-31 18:54:46
2019-12-31 18:54:46
51.94
50
晚安傻蛋 2020-01-02 19:18:44
2020-01-02 19:18:44
51.94
51
  2020-01-04 17:17:19
2020-01-04 17:17:19
51.94
52
芒果母 2020-01-20 20:23:10
2020-01-20 20:23:10
51.94
53
val_acc=100 2020-02-15 14:19:48
2020-02-15 14:19:48
51.94
54
小小羊 2020-02-20 16:52:11
2020-02-20 16:52:11
51.94
55
ersen 2020-02-25 10:16:36
2020-02-25 10:16:36
51.94
56
当年拚却醉颜红 2020-02-25 13:36:37
2020-02-25 13:36:37
51.94
57
flyai会员1582794860 2020-02-27 21:51:29
2020-02-27 21:51:29
51.94
58
陌上叁仟 2020-03-02 20:37:09
2020-03-02 20:37:09
51.94
59
idea1566464646 2020-03-05 22:35:06
2020-03-05 22:35:06
51.94
60
2020-03-24 13:16:42
2020-03-24 13:16:42
51.94
61
堃堃酱 2020-04-19 21:34:17
2020-04-19 21:34:17
51.94
62
半夏彼岸 2020-04-22 10:46:44
2020-04-22 10:46:44
51.94
63
希楠 2020-05-01 10:12:23
2020-05-01 10:12:23
51.94
64
Benjamin 2020-05-14 14:08:10
2020-05-14 14:08:10
51.94
65
flyai会员1589812683 2020-05-19 11:17:57
2020-05-19 11:17:57
51.94
66
Sparkle 2020-05-20 04:05:44
2020-05-20 04:05:44
51.94
67
leekunpeng 2020-05-22 08:49:05
2020-05-22 08:49:05
51.94
68
如渊 2020-06-12 21:41:46
2020-06-12 21:41:46
51.94
69
1289766752 2020-07-16 18:42:07
2020-07-16 18:42:07
51.94
70
ZY2020 2020-08-01 15:56:13
2020-08-01 15:56:13
51.94
71
时光非礼了梦想 2020-02-07 13:01:55
2020-02-07 13:01:55
47.85
72
Ltt 2020-03-06 11:26:45
2020-03-06 11:26:45
36.4
73
迟到的幸运儿 2019-10-15 13:55:11
2019-10-15 13:55:11
30.73
74
时光的模样~ 2019-10-21 15:56:04
2019-10-21 15:56:04
30.73
75
福星高照 2020-02-28 23:30:08
2020-02-28 23:30:08
30.73
76
韩天啸 2020-06-15 01:49:58
2020-06-15 01:49:58
29.75
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