图片鉴黄

分享给好友

2019-12-18 15:00:00
开始提交

2020-01-17 15:00:00
最终提交结束

自由训练

剩余奖金 ¥ 680
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

随着互联网的发展,内容安全成为互联网不得不面临的严峻挑战。互动社区的崛起,网友素质的参差不齐,由于“涉黄”被勒令关闭的网站多如牛毛,因此“鉴黄”也显得尤为重要。虽然各个互联网企业都有专门的人员来做内容审核,但是无法跟上内容发展的速度,人工审核容易出现审核不及时、高成本、主观判断影响结果等问题。因此通过深度学习的人工智能技术来进行图片鉴黄也是迫在眉睫。

在本数据集一共包括5种图片类别,每个类别至少有1000张图像,其中训练集、验证集和测试集划分比例为6:2:2.

由于数据集包含涉黄图片,因此本地调试数据集中只展示正常图片。

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 图片的相对路径
label string 不为空 图片的对应类别

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:

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

小华

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93.13。

2021-08-16 01:31:52

93.13

第三名

gboy

955.00

batch数据为16,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92.80。

2019-12-28 22:24:56

955.00

92.80

第三名

大木淡漠

686.00

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92.67。

2020-01-05 06:27:58

686.00

92.67

大神经验
4

chenfengshf

330.00

batch数据为22,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92.33。

2019-12-27 00:27:46

330.00

92.33

大神经验
5

快来追我呀

216.00

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92.20。

2020-01-03 15:00:28

216.00

92.20

6

WYC

132.00

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92.07。

2019-12-22 22:57:10

132.00

92.07

7

拉面

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91.47。

2020-03-03 19:47:31

91.47

8

善假于物

1.50

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91.27。

2019-12-24 15:08:22

1.50

91.27

9

乐百事

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91.13。

2020-03-07 10:52:31

91.13

10

前排板凳瓜子

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90.87。

2019-12-21 05:05:18

90.87

11

siaya

batch数据为16,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90.60。

2019-12-28 15:12:51

90.60

12

wvinzh

batch数据为2,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90.60。

2020-01-07 08:08:25

90.60

13

风1567927103

batch数据为12,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90.53。

2020-01-14 05:43:41

90.53

14

javazuiniu

batch数据为5,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90.33。

2021-04-22 07:41:22

90.33

15

天涯·明月·刀

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90.27。

2019-12-22 08:50:59

90.27

16

tooooooop

batch数据为16,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89.80。

2019-12-23 23:01:15

89.80

17

yangsmile

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89.67。

2019-12-25 09:37:20

89.67

18

Whisney`逸文

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89.60。

PyTorch

resNet

2019-12-29 17:42:03

89.60

19

xia0p1ng

batch数据为25,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89.53。

2019-12-24 18:47:20

89.53

20

小林子

batch数据为30,循环次数为26次,通过在线上环境完成训练,模型最优精度评分为89.47。

2019-12-23 01:17:18

89.47

21

一口大怪兽

batch数据为128,循环次数为28次,通过在线上环境完成训练,模型最优精度评分为89.47。

2019-12-23 20:25:25

89.47

22

haha-go

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89.27。

2020-01-18 17:58:35

89.27

23

他的国

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88.87。

2019-12-28 23:30:16

88.87

24

Haibo

batch数据为32,循环次数为7次,通过在线上环境完成训练,模型最优精度评分为88.80。

2019-12-24 14:26:08

88.80

25

Winteriscoming

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88.47。

2019-12-21 05:32:21

88.47

26

交差墒

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88.47。

2019-12-22 18:12:06

88.47

27

莫须有の嚣张

batch数据为12,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87.93。

2020-03-17 19:38:04

87.93

28

超爱喝酸奶

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87.87。

2019-12-22 20:57:14

87.87

29

流年相摧

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87.67。

2020-07-16 17:46:51

87.67

30

随煜而安

batch数据为32,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87.20。

2020-01-16 00:54:03

87.20

31

cnn

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86.87。

2019-12-22 23:28:25

86.87

32

嘻嘻嘻哈哈

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86.80。

2019-12-31 23:04:48

86.80

33

keeper

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86.53。

2020-04-28 16:15:38

86.53

34

flyai会员1578200000

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86.40。

2020-01-11 18:11:13

86.40

35

mki

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86.27。

2020-01-12 02:18:09

86.27

36

夏洛克

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85.87。

2019-12-20 00:56:28

85.87

37

tkhe

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85.87。

2019-12-20 08:37:14

85.87

38

Titanium

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85.87。

2019-12-20 08:40:59

85.87

39

flyai会员1576802224

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85.87。

2019-12-20 08:42:43

85.87

40

言名

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85.87。

2019-12-20 10:22:49

85.87

41

Abtion

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85.87。

2019-12-20 11:11:44

85.87

42

blue1576811729

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85.87。

2019-12-20 11:17:35

85.87

43

zwz

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85.87。

2019-12-20 11:25:35

85.87

44

钟先森Tim

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85.87。

2019-12-20 11:41:28

85.87

45

CurtisHuang

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85.87。

2019-12-20 11:48:10

85.87

46

SkyNet

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85.87。

2019-12-20 11:50:34

85.87

47

一支铅笔

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85.87。

2019-12-20 12:12:11

85.87

48

yunshao555

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85.87。

2019-12-20 12:20:12

85.87

49

两根油笔

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85.87。

2019-12-20 12:27:12

85.87

50

英雄的黎明1576819941

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85.87。

2019-12-20 13:36:06

85.87

51

王小菘

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85.87。

2019-12-20 13:37:29

85.87

52

demon hunter

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85.87。

2019-12-20 13:48:39

85.87

53

冰封-暮色

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85.87。

2019-12-20 14:05:31

85.87

54

林1576822214

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85.87。

2019-12-20 14:13:04

85.87

55

flyai会员1576823210

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85.87。

2019-12-20 14:28:16

85.87

56

flyai会员1576824173

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85.87。

2019-12-20 14:45:02

85.87

57

王运韬

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85.87。

2019-12-20 14:47:08

85.87

58

二师兄135

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85.87。

2019-12-20 15:43:52

85.87

59

YC1576832217

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85.87。

2019-12-20 17:06:02

85.87

60

文鼎彭于晏

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85.87。

2019-12-20 18:23:35

85.87

61

从前、以后

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85.87。

2019-12-20 18:50:41

85.87

62

yao1576842424

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85.87。

2019-12-20 19:51:05

85.87

63

Odysseus

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85.87。

2019-12-20 19:56:23

85.87

64

冰封白楊

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85.87。

2019-12-20 20:03:29

85.87

65

cyh12315

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85.87。

2019-12-20 20:16:55

85.87

66

云亦来

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85.87。

2019-12-20 20:17:52

85.87

67

Amusi

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85.87。

2019-12-20 20:21:16

85.87

68

chasephd

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85.87。

2019-12-20 20:22:07

85.87

69

kaola

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85.87。

2019-12-20 20:48:11

85.87

70

flyai会员1576846109

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85.87。

2019-12-20 20:50:29

85.87

71

Lllhb

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85.87。

2019-12-20 20:51:20

85.87

72

zyg

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85.87。

2019-12-20 21:20:18

85.87

73

flyai会员1576851102

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85.87。

2019-12-20 22:17:43

85.87

74

周鹏1565066468

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85.87。

2019-12-20 22:18:36

85.87

75

张逸清

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85.87。

2019-12-20 23:53:06

85.87

76

goleetcode

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85.87。

2019-12-21 10:08:22

85.87

77

sky1576894131

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85.87。

2019-12-21 10:32:24

85.87

78

flyai会员1576904677

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85.87。

2019-12-21 13:06:50

85.87

79

flyai会员1576907731

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85.87。

2019-12-21 13:57:55

85.87

80

奔跑中的小新

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85.87。

2019-12-21 15:11:44

85.87

81

flyai会员1576912819

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85.87。

2019-12-21 15:22:54

85.87

82

flyai会员1576923006

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85.87。

2019-12-21 18:12:40

85.87

83

flyai会员1576927435

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85.87。

2019-12-21 19:30:40

85.87

84

起什么名字

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85.87。

2019-12-21 19:56:51

85.87

85

、、、

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85.87。

2019-12-21 21:54:44

85.87

86

Nick

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85.87。

2019-12-21 22:34:48

85.87

87

跟我走吧

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85.87。

2019-12-22 10:58:24

85.87

88

MagicCodes

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85.87。

2019-12-22 15:12:34

85.87

89

迈际

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85.87。

2019-12-22 19:40:10

85.87

90

golf

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85.87。

2019-12-22 20:23:04

85.87

91

明月清风

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85.87。

2019-12-22 21:49:51

85.87

92

圣诞包公

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85.87。

2019-12-22 23:41:14

85.87

93

AiFool

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85.87。

2019-12-23 10:36:37

85.87

94

秋天需要进山

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85.87。

2019-12-23 11:56:42

85.87

95

青云

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85.87。

2019-12-23 16:14:37

85.87

96

彼~ 年

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85.87。

2019-12-24 15:45:54

85.87

97

oTo

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85.87。

2019-12-24 15:51:51

85.87

98

flyai会员1577186194

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85.87。

2019-12-24 19:28:09

85.87

99

霍华德托尼史塔克小强

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85.87。

2019-12-24 21:44:57

85.87

100

nice1576844076

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85.87。

2019-12-25 23:12:49

85.87

101

薛子林

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85.87。

2019-12-26 13:19:02

85.87

102

园丁

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85.87。

2019-12-26 14:26:35

85.87

103

Minnie

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85.87。

2019-12-26 15:44:31

85.87

104

fzgao

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85.87。

2019-12-27 08:55:18

85.87

105

WisdomLiu

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85.87。

2019-12-27 10:56:08

85.87

106

墨菲定律

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85.87。

2019-12-27 11:09:13

85.87

107

游尾郡窝窝乡 热心乡民 奇衡三

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85.87。

2019-12-27 15:53:17

85.87

108

Zy.

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85.87。

2019-12-27 16:19:16

85.87

109

朱方舟

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85.87。

2019-12-27 19:48:47

85.87

110

橙茗

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85.87。

2019-12-27 21:47:38

85.87

111

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85.87。

2019-12-28 15:40:00

85.87

112

りゃん

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85.87。

2019-12-28 21:47:14

85.87

113

绿肥红瘦

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85.87。

2019-12-29 22:48:05

85.87

114

flyai会员1577761592

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85.87。

2019-12-31 11:29:07

85.87

115

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85.87。

2020-01-04 14:44:49

85.87

116

千城

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85.87。

2020-01-04 19:23:53

85.87

117

Rowley

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85.87。

2020-01-06 09:28:49

85.87

118

xhackJ

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85.87。

2020-01-07 10:51:21

85.87

119

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85.87。

2020-01-07 14:01:57

85.87

120

木华

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85.87。

2020-01-07 16:51:16

85.87

121

Clarence

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85.87。

2020-01-08 10:20:59

85.87

122

养乐多1578469416

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85.87。

2020-01-08 15:45:52

85.87

123

Coldor

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85.87。

2020-01-08 16:47:33

85.87

124

Iteration

batch数据为63,循环次数为28次,通过在线上环境完成训练,模型最优精度评分为85.87。

2020-01-08 18:10:53

85.87

125

会员1578488890

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85.87。

2020-01-08 21:10:01

85.87

126

会飞的猪

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85.87。

2020-01-09 09:33:29

85.87

127

flyai会员1578535853

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85.87。

2020-01-09 10:12:46

85.87

128

adsfadiasdf

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85.87。

2020-01-09 19:33:39

85.87

129

路遥知马力

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85.87。

2020-01-10 15:45:13

85.87

130

枯荣

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85.87。

2020-01-10 17:53:33

85.87

131

小宋是呢

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85.87。

2020-01-11 03:37:57

85.87

132

挺好的

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85.87。

2020-01-12 13:40:21

85.87

133

奔腾286

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85.87。

2020-01-12 16:26:43

85.87

134

.1578483526

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85.87。

2020-01-12 21:26:39

85.87

135

画线条的小白

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85.87。

2020-01-13 15:14:32

85.87

136

ip

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85.87。

2020-01-14 17:39:12

85.87

137

慕一Craftsperson

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85.87。

2020-01-14 21:01:44

85.87

138

木风1571634452

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85.87。

2020-01-15 10:29:11

85.87

139

Andy Arthur

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85.87。

2020-01-15 17:48:06

85.87

140

~ - ~

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85.87。

2020-01-15 19:45:29

85.87

141

新的一天

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85.87。

2020-01-16 11:15:17

85.87

142

穿上女装就是御风姐姐

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85.87。

2020-01-16 15:17:50

85.87

143

拥抱晴空

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85.87。

2020-01-19 19:51:46

85.87

144

辰浦枫

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85.87。

2020-01-19 20:11:33

85.87

145

flyai会员1579502754

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85.87。

2020-01-20 14:52:09

85.87

146

左手

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85.87。

2020-01-20 15:14:56

85.87

147

lucky-goo

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85.87。

2020-01-20 15:24:42

85.87

148

右手

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85.87。

2020-01-20 21:33:11

85.87

149

Cony

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85.87。

2020-01-21 15:40:24

85.87

150

张先生

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85.87。

2020-01-22 19:58:45

85.87

151

Nick1557218090

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85.87。

2020-01-22 22:13:22

85.87

152

三木木木

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85.87。

2020-02-01 17:43:12

85.87

153

+7

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85.87。

2020-02-06 16:09:53

85.87

154

雷巍

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85.87。

2020-02-09 12:11:34

85.87

155

打球去

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85.87。

2020-02-11 10:32:27

85.87

156

xupengzheng

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85.87。

2020-02-16 21:11:31

85.87

157

uninhibited

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85.87。

2020-02-16 22:05:57

85.87

158

Willy‐Zw

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85.87。

2020-02-17 00:49:58

85.87

159

晨风

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85.87。

2020-02-17 14:47:07

85.87

160

叶子依然

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85.87。

2020-02-24 22:09:42

85.87

161

wuzhenhua

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85.87。

2020-02-27 15:11:24

85.87

162

SunT

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85.87。

2020-03-02 23:12:03

85.87

163

flyai会员1583227598

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85.87。

2020-03-03 17:30:58

85.87

164

jasonpete

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85.87。

2020-03-05 10:17:44

85.87

165

AI是啥

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85.87。

2020-03-09 17:32:56

85.87

166

Baymax

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85.87。

2020-03-11 13:07:36

85.87

167

星瀑流

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85.87。

2020-03-11 22:56:08

85.87

168

卢佳祁

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85.87。

2020-03-15 00:03:30

85.87

169

flyai会员1584235048

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85.87。

2020-03-15 09:34:59

85.87

170

strugglejx

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85.87。

2020-03-18 22:48:45

85.87

171

叶崇杰Hugo

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85.87。

2020-03-19 10:06:36

85.87

172

nevin007

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85.87。

2020-03-27 21:45:49

85.87

173

宇航

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85.87。

2020-04-09 10:50:26

85.87

174

阳光1586777750

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85.87。

2020-04-13 19:41:52

85.87

175

杨壳壳

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85.87。

2020-04-14 19:56:09

85.87

176

flyai会员1586934793

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85.87。

2020-04-15 15:17:18

85.87

177

404 not found

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85.87。

2020-04-15 19:53:04

85.87

178

assume

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85.87。

2020-04-15 20:05:30

85.87

179

胖虎

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85.87。

2020-04-20 23:36:22

85.87

180

呜啦啦啦

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85.87。

2020-04-29 14:33:41

85.87

181

窃书的孔乙己

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85.87。

2020-05-02 15:54:08

85.87

182

鑫1589968284

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85.87。

2020-06-10 16:48:55

85.87

183

Guo1593686486

batch数据为16,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85.87。

2020-07-02 20:03:30

85.87

184

你们跌倒了mei

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85.87。

2020-08-03 16:26:44

85.87

185

成都市民彭先生

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85.87。

2020-09-06 16:57:19

85.87

186

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85.87。

2020-10-23 10:18:15

85.87

187

天灏

batch数据为15,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85.87。

2020-11-17 08:56:37

85.87

188

flyai会员1602427461

batch数据为64,循环次数为35次,通过在线上环境完成训练,模型最优精度评分为85.87。

2020-12-01 17:16:54

85.87

189

FuturE'

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85.87。

2020-12-07 16:40:41

85.87

190

flyai会员1607494170

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85.87。

2020-12-09 14:14:09

85.87

191

LEA

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85.87。

2020-12-18 22:16:46

85.87

192

yasuo

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85.87。

2020-12-23 21:33:21

85.87

193

q724818342

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85.87。

2020-12-26 16:02:03

85.87

194

louis

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85.87。

2020-12-29 11:13:59

85.87

195

flyai会员1609236752

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85.87。

2020-12-29 18:41:44

85.87

196

古府上邪

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85.87。

2021-01-06 21:13:27

85.87

197

flyai会员1617111664

batch数据为10,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85.87。

2021-04-18 14:13:40

85.87

198

flyai会员1619185869

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85.87。

2021-04-24 23:49:00

85.87

199

milixiang

batch数据为32,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85.33。

2019-12-21 15:16:49

85.33

200

Zy.S

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85.33。

2020-01-06 16:12:52

85.33

201

Janaldo

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85.20。

2020-01-15 17:53:28

85.20

202

语言沉默

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85.00。

2020-01-07 21:12:34

85.00

203

妮妮妮

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84.80。

2020-02-24 18:23:20

84.80

204

wildkid1024

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84.73。

2019-12-26 17:09:50

84.73

205

Jil

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84.60。

2019-12-21 08:09:24

84.60

206

AMERICA

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83.60。

2019-12-21 07:52:58

83.60

207

dtrimina

batch数据为32,循环次数为21次,通过在线上环境完成训练,模型最优精度评分为82.87。

2020-01-08 14:58:17

82.87

208

sigmoid

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79.93。

2020-01-03 12:50:24

79.93

209

黄花寒后难逢蝶

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77.00。

PyTorch

resnext

2019-12-30 11:42:25

77.00

210

Mr.Fire

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76.13。

2020-01-09 19:38:03

76.13

211

度月生

batch数据为160,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72.87。

2020-03-12 17:36:01

72.87

212

勿谓言之不预也

batch数据为4,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71.67。

2020-01-18 15:02:22

71.67

213

altair

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71.33。

2020-03-24 14:17:09

71.33

214

领衔主演

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69.87。

2019-12-21 23:27:50

69.87

215

骡子吃番茄

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62.33。

2020-01-30 04:19:02

62.33

216

Ysoretarded

batch数据为100,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58.27。

2020-01-04 16:56:36

58.27

217

ielym

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56.73。

2019-12-22 15:22:05

56.73

218

柚稚°

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56.73。

2020-01-05 20:39:43

56.73

219

clare

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54.60。

2019-12-21 01:18:49

54.60

220

悟躁

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51.27。

2020-02-06 10:54:45

51.27

221

Tiernos

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48.13。

2020-04-11 14:21:23

48.13

222

山楂卷儿

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46.47。

Keras

VGG16

2019-12-27 12:14:43

46.47

223

哭过の眼眸*

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40.40。

2019-12-25 16:06:33

40.40

224

杨泽鹏

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28.80。

2019-12-26 18:14:39

28.80

225

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22.20。

2020-01-05 18:15:19

22.20

226

mask

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21.00。

2019-12-26 11:35:36

21.00

2020-01-18
WYC

模型得分为92.07,本次获得排名奖奖金为105

2020-01-18 15:00:02

快来追我呀

模型得分为92.2,本次获得排名奖奖金为210

2020-01-18 15:00:02

chenfengshf

模型得分为92.33,本次获得排名奖奖金为315

2020-01-18 15:00:02

大木淡漠

模型得分为92.67,本次获得排名奖奖金为525

2020-01-18 15:00:02

gboy

模型得分为92.8,本次获得排名奖奖金为945

2020-01-18 15:00:02

2020-01-03
大木淡漠

模型得分为92.07,本次获得实时奖励奖金为3

2020-01-03 10:48:19

2020-01-02
gboy

模型得分为92.8,本次获得实时奖励奖金为10

2020-01-02 10:55:12

快来追我呀

模型得分为92.07,本次获得实时奖励奖金为6

2020-01-02 10:54:27

chenfengshf

模型得分为92.33,本次获得实时奖励奖金为15

2020-01-02 10:54:21

2019-12-23
WYC

模型得分为92.07,本次获得实时奖励奖金为27

2019-12-23 15:48:50

善假于物

模型得分为90.67,本次获得实时奖励奖金为1.5

2019-12-23 14:38:22

大木淡漠

模型得分为91.87,本次获得实时奖励奖金为4

2019-12-23 12:26:06

大木淡漠

模型得分为91.53,本次获得实时奖励奖金为10

2019-12-23 12:25:58

大木淡漠

模型得分为90.73,本次获得实时奖励奖金为144

2019-12-23 12:25:44

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