图片超分辨率挑战赛

分享给好友

2019-10-19 15:00:00
开始提交

2019-11-18 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 5,000
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

图像分辨率是用来评估图像中蕴含细节信息丰富程度的一个指标。高分辨率图像相对于低分辨率图像拥有更大的像素密度,更多的纹理细节信息。但在实际生活中,由于受到采集设备、网络传输介质等因素的影响,我们通常得到的是一些低分辨率的图像,因此图像超分辨率重建技术具有深远的研究意义。图像超分辨率是指将一幅低分辨率图像恢复成高分辨率的图像,在本数据集一共有1800张图片,其中包括900对高分辨率和低分辨率图片,这里高分辨率图片大小是低分辨率图片大小的四倍。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!

数据来源

SingleImageSuperResolution4Scale

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
hr_image_path string 不为空 高清图片的相对路径
lr_image_path string 不为空 低清图片的相对路径

评审标准

算法输入输出格式

输入字段: lr_image_path,

输出字段: hr_image_path,

评审指标说明

  • SSIM 是一种用以衡量两张图片相似程度的指标,一般取值范围:0-1. 值越大,视频质量越好。
  • 可参考 from skimage.measure import compare_ssim 中的实现方式。
  • 计算公式如下:
  • 评审计算公式

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

BIGFEATURE_CAMERA

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85.88。

2020-04-14 19:30:11

85.88

第三名

他的国

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85.75。

2019-11-16 06:47:13

85.75

第三名

invisprints

batch数据为32,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85.70。

2019-10-28 16:51:58

85.70

4

qqm

batch数据为2,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85.67。

2019-11-16 00:16:00

85.67

5

Seeney

batch数据为8,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85.55。

2019-10-26 08:57:42

85.55

6

guoguo

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84.80。

2019-11-24 20:13:19

84.80

7

Wghost

batch数据为4,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84.70。

2019-10-23 16:24:04

84.70

8

The Answer

batch数据为16,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84.70。

2019-11-21 17:37:31

84.70

9

chenfengshf

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84.26。

2019-11-01 06:40:01

84.26

10

Zkple

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84.19。

2019-11-14 00:36:01

84.19

11

胡军

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83.95。

2020-01-02 06:16:30

83.95

12

nice

batch数据为16,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83.92。

2019-10-28 07:29:18

83.92

13

搬砖的长工

batch数据为1,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83.69。

2019-10-27 06:28:00

83.69

14

皮皮

batch数据为100,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83.03。

2020-01-05 23:46:41

83.03

15

善假于物

batch数据为1,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82.81。

2019-10-27 01:39:23

82.81

16

作业借我抄

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82.51。

2019-10-30 19:34:45

82.51

17

黄花寒后难逢蝶

batch数据为4,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82.42。

Keras

SRGAN

2019-10-28 11:50:02

82.42

18

Solstice

batch数据为4,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82.42。

2020-02-20 22:54:03

82.42

19

难寻

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82.18。

2019-11-05 01:08:24

82.18

20

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81.92。

2019-12-06 08:53:59

81.92

21

Bright

batch数据为15,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81.73。

2019-10-25 13:55:44

81.73

22

宇宙

batch数据为4,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81.50。

2019-10-26 12:48:18

81.50

23

ashergaga

batch数据为4,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81.36。

2019-10-26 19:19:04

81.36

24

超级分分分分

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81.06。

2019-10-26 09:11:21

81.06

25

墨虺

batch数据为4,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80.51。

2020-08-06 22:41:20

80.51

26

208.

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79.37。

2019-11-16 15:13:54

79.37

27

L.J.

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78.63。

2019-11-13 23:21:36

78.63

28

天涯·明月·刀

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78.51。

2019-11-01 08:22:11

78.51

29

a554142589

batch数据为1,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78.21。

2019-10-28 20:21:57

78.21

30

killf

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77.00。

Paddle

EDSR

2020-04-20 13:50:59

77.00

31

呵了个呵。

batch数据为8,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71.23。

2019-11-16 23:38:29

71.23

32

沐阳听风

batch数据为8,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69.28。

2019-10-22 20:57:57

69.28

33

一口大怪兽

batch数据为32,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67.60。

2019-11-05 00:01:47

67.60

34

陆艺夫Lewisluk

batch数据为1,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66.82。

2019-10-23 06:46:26

66.82

35

tiankong

batch数据为16,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65.59。

2019-11-20 00:17:30

65.59

36

风1567927103

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64.84。

2019-11-14 16:54:40

64.84

37

北部湾的落日

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64.02。

Keras

DBPN

2019-10-25 23:11:45

64.02

38

Swaggy

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57.87。

2020-01-04 09:57:42

57.87

39

cyh12315

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53.45。

2020-03-29 04:37:30

53.45

40

流年相摧

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52.68。

2019-10-23 19:31:39

52.68

41

Jessy

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51.88。

2019-12-28 16:04:28

51.88

42

flyai会员1603442452

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46.85。

2020-11-03 17:11:54

46.85

43

杨泽鹏

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35.21。

2019-11-24 10:18:12

35.21

44

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34.15。

2019-11-13 21:07:19

34.15

45

dndjixh

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33.65。

2019-11-26 13:43:40

33.65

46

Xin Yao

batch数据为80,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30.10。

2019-11-21 13:57:02

30.10

47

Chk

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29.93。

2019-11-27 23:37:38

29.93

48

ahaaaa

batch数据为16,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25.24。

2019-10-19 22:02:47

25.24

49

elwin

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25.24。

2019-10-20 10:36:42

25.24

50

jkx、

batch数据为512,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25.24。

2019-10-20 10:58:10

25.24

51

Joker1571415875

batch数据为192,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25.24。

2019-10-20 13:22:53

25.24

52

江宇

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25.24。

2019-10-20 13:30:44

25.24

53

王磊

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25.24。

2019-10-20 14:26:14

25.24

54

我叫风〇

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25.24。

2019-10-20 16:27:02

25.24

55

择好

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25.24。

2019-10-20 17:13:16

25.24

56

朱乾龙

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25.24。

2019-10-20 18:31:11

25.24

57

heihei

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25.24。

2019-10-20 20:07:05

25.24

58

AMERICA

batch数据为8,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25.24。

2019-10-21 10:21:29

25.24

59

AI小助手

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25.24。

2019-10-21 13:56:27

25.24

60

哇咔咔

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25.24。

2019-10-21 14:27:41

25.24

61

āáǎà1571708876

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25.24。

2019-10-22 09:50:34

25.24

62

cv1557321940

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25.24。

2019-10-22 16:59:53

25.24

63

依小窗

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25.24。

2019-10-22 17:44:20

25.24

64

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25.24。

2019-10-22 21:55:27

25.24

65

思谷

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25.24。

2019-10-23 00:41:30

25.24

66

王冠

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25.24。

2019-10-23 08:54:56

25.24

67

congeniality

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25.24。

2019-10-23 13:57:17

25.24

68

哈哈哈哈哈哈哈

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25.24。

2019-10-23 14:40:05

25.24

69

Mensyne1571823858

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25.24。

2019-10-23 17:47:58

25.24

70

Luyc

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25.24。

2019-10-23 19:03:47

25.24

71

白文

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25.24。

2019-10-23 19:11:02

25.24

72

LUFFY

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25.24。

2019-10-24 09:00:48

25.24

73

Screw

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25.24。

2019-10-24 17:05:30

25.24

74

ಠ ಠ

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25.24。

2019-10-24 20:06:41

25.24

75

lfywork

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25.24。

2019-10-24 20:08:07

25.24

76

大志

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25.24。

2019-10-24 20:10:28

25.24

77

知更

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25.24。

2019-10-24 20:50:43

25.24

78

Tania

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25.24。

2019-10-24 22:29:46

25.24

79

LittleBigUs

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25.24。

2019-10-24 22:55:32

25.24

80

Alan刘雷

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25.24。

2019-10-25 07:29:50

25.24

81

custard

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25.24。

2019-10-26 23:59:24

25.24

82

kizzy

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25.24。

2019-10-27 12:31:19

25.24

83

WF

batch数据为64,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25.24。

2019-10-27 23:38:51

25.24

84

信息-杨波

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25.24。

2019-10-28 14:25:38

25.24

85

浅风

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25.24。

2019-10-28 19:21:36

25.24

86

被算法耽误的歌手

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25.24。

2019-10-29 09:59:47

25.24

87

zyw

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25.24。

2019-10-29 10:37:05

25.24

88

alenweiru

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25.24。

2019-10-29 15:15:41

25.24

89

最清晰的声音

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25.24。

2019-10-29 16:47:15

25.24

90

撄宁

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25.24。

2019-10-30 10:45:20

25.24

91

蜗牛、Gray

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25.24。

2019-10-30 15:57:58

25.24

92

余生有我

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25.24。

2019-10-30 19:40:45

25.24

93

嘻嘻嘻哈哈

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25.24。

2019-10-30 21:58:03

25.24

94

顺然

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25.24。

2019-10-31 10:24:11

25.24

95

天波风客

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25.24。

2019-10-31 21:31:51

25.24

96

TonyF123

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25.24。

2019-10-31 23:05:09

25.24

97

step by step

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25.24。

2019-11-01 14:50:49

25.24

98

亦行亦歌

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25.24。

2019-11-01 15:46:14

25.24

99

AI61

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25.24。

2019-11-01 21:56:31

25.24

100

learnFromBest

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25.24。

2019-11-01 22:40:49

25.24

101

黑猫

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25.24。

2019-11-02 23:07:47

25.24

102

洋气

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25.24。

2019-11-03 12:08:14

25.24

103

pc

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25.24。

2019-11-03 17:19:39

25.24

104

なんか行ける気がする

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25.24。

2019-11-04 10:49:33

25.24

105

(●—●)

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25.24。

2019-11-04 15:25:47

25.24

106

夏1564457098

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25.24。

2019-11-04 16:08:46

25.24

107

秋日私语1572870145

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25.24。

2019-11-04 20:25:26

25.24

108

naihehualuo

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25.24。

2019-11-04 20:56:07

25.24

109

zpc

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25.24。

2019-11-05 14:03:23

25.24

110

I will carry you

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25.24。

2019-11-07 12:28:42

25.24

111

Mr.Li~米兰的小铁匠

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25.24。

2019-11-08 09:25:45

25.24

112

苏晓伟

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25.24。

2019-11-10 08:28:22

25.24

113

一个的一半

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25.24。

2019-11-11 10:01:49

25.24

114

希布

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25.24。

2019-11-11 17:05:27

25.24

115

rhapsody

batch数据为128,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25.24。

2019-11-12 21:41:51

25.24

116

DFZ

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25.24。

2019-11-12 21:53:06

25.24

117

钅不换

batch数据为20,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25.24。

2019-11-13 19:16:43

25.24

118

Kjun

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25.24。

2019-11-14 20:01:49

25.24

119

人生实习生

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25.24。

2019-11-15 17:03:04

25.24

120

五岁了呀

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25.24。

2019-11-15 21:26:15

25.24

121

Jave

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25.24。

2019-11-17 19:25:25

25.24

122

偷偷挖个坑

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25.24。

2019-11-18 15:22:28

25.24

123

海1574080440

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25.24。

2019-11-18 20:35:40

25.24

124

曲华

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25.24。

2019-11-19 15:08:47

25.24

125

辣蜗

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25.24。

2019-11-21 17:49:45

25.24

126

ZYH

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25.24。

2019-11-22 18:55:41

25.24

127

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25.24。

2019-11-24 15:39:25

25.24

128

宋庆强

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25.24。

2019-11-24 16:12:55

25.24

129

flysky

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25.24。

2019-11-25 15:34:30

25.24

130

顺子

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25.24。

2019-11-27 00:27:00

25.24

131

NeX8yte

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25.24。

2019-11-28 14:33:11

25.24

132

。1575023502

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25.24。

2019-11-29 18:34:40

25.24

133

贺贺

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25.24。

2019-12-03 19:50:02

25.24

134

对方正在输入。

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25.24。

2019-12-04 22:42:00

25.24

135

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25.24。

2019-12-09 16:30:46

25.24

136

flyai会员1576049375

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25.24。

2019-12-12 11:28:15

25.24

137

jz

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25.24。

2019-12-16 20:25:47

25.24

138

wander

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25.24。

2019-12-17 21:53:38

25.24

139

陈帅华

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25.24。

2019-12-23 22:18:09

25.24

140

大个!

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25.24。

2019-12-26 16:56:23

25.24

141

左左木

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25.24。

2019-12-28 00:46:59

25.24

142

佳乐

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25.24。

2020-01-03 14:52:33

25.24

143

Mistake

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25.24。

2020-01-07 19:00:28

25.24

144

rere

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25.24。

2020-01-12 11:08:24

25.24

145

M.r F

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25.24。

2020-01-14 00:05:33

25.24

146

TSSR

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25.24。

2020-01-20 09:45:29

25.24

147

孫哓鵬

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25.24。

2020-01-31 21:45:37

25.24

148

浪儿羊

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25.24。

2020-02-17 10:47:53

25.24

149

创始元灵

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25.24。

2020-02-18 10:35:23

25.24

150

flyai会员1576410182

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25.24。

2020-03-16 20:25:55

25.24

151

Wing

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25.24。

2020-03-21 11:44:09

25.24

152

小小鹿

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25.24。

2020-03-25 17:14:53

25.24

153

flyai会员1585728954

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25.24。

2020-04-01 16:29:19

25.24

154

对方正在输入... ༽

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25.24。

2020-04-10 14:25:59

25.24

155

六级不过网名不改

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25.24。

2020-04-19 19:43:06

25.24

156

flyai会员1587457838

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25.24。

2020-04-21 16:35:24

25.24

157

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25.24。

2020-04-27 11:31:57

25.24

158

友人A

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25.24。

2020-04-27 15:36:49

25.24

159

flyai会员1588307882

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25.24。

2020-05-01 12:47:08

25.24

160

Deep

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25.24。

2020-05-02 12:53:54

25.24

161

追梦人

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25.24。

2020-05-06 12:52:36

25.24

162

李林

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25.24。

2020-05-16 18:11:41

25.24

163

Chi

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25.24。

2020-05-19 21:03:26

25.24

164

返甄鱼

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25.24。

2020-05-20 01:15:19

25.24

165

529

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25.24。

2020-07-08 21:19:24

25.24

166

muli

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25.24。

2020-07-21 20:17:00

25.24

167

flyai会员1594400015

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25.24。

2020-07-22 05:17:02

25.24

168

sdsdssd

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25.24。

2020-08-05 17:55:16

25.24

169

flyai会员1600066091

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25.24。

2020-09-14 14:50:49

25.24

170

flyai会员1600952316

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25.24。

2020-09-26 11:38:14

25.24

171

flyai会员1601608031

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25.24。

2020-10-02 11:33:40

25.24

172

一1601699987

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25.24。

2020-10-03 12:42:08

25.24

173

flyai会员1603419030

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25.24。

2020-10-23 10:15:36

25.24

174

地瓜1603674733

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25.24。

2020-10-26 09:16:26

25.24

175

Sunny_M

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25.24。

2020-10-26 16:59:03

25.24

176

小涡

batch数据为8,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25.24。

2020-11-23 00:31:01

25.24

177

聴風

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25.24。

2020-11-23 21:04:53

25.24

178

flyai会员1607071878

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25.24。

2020-12-04 17:10:47

25.24

179

澜山下

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25.24。

2020-12-07 21:12:06

25.24

180

hsilence

batch数据为32,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25.24。

2020-12-21 10:35:20

25.24

181

flyai会员1611231125

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25.24。

2021-01-21 20:19:48

25.24

182

flyai会员1615278501

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25.24。

2021-03-09 16:32:47

25.24

183

flyai会员1629260182

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25.24。

2021-10-05 16:05:23

25.24

184

赵相机

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25.24。

2021-10-08 19:49:29

25.24

185

myue

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3.76。

2019-12-01 02:33:12

3.76

186

sigmoid

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2.21。

2019-10-25 08:53:56

2.21

187

江水

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0.58。

2019-10-23 19:30:43

0.58

还没有奖金记录哦~ 快去参赛吧!

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