CIFAR-10 图片分类预测

分享给好友

剩余奖金 ¥ 0

立即报名

立即报名

大赛简介

CIFAR-10数据集是一组图像,通常用于训练机器学习和计算机视觉算法。它是机器学习研究中使用最广泛的数据集之一。 CIFAR-10数据集包含10个不同类别的60,000个32x32彩色图像。 10个不同的类别代表飞机,汽车,鸟类,猫,鹿,狗,青蛙,马,船和卡车。每个类别有6000张图片,该数据集共有5万张训练图片以及1万张测试图片

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

如何参赛?

  • 请在项目详情页点击【立即报名】按钮,首次需验证手机号、完善报名信息
  • 请点击本页的【资料下载】按钮,下载参赛资料并详细阅读README.md文件

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
  • 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

  • 最终比赛成绩以排行榜显示排名为准
  • 根据作品提交时间先后顺序进行人工审核,审核合格后提交至排行榜
  • 禁止私下与队伍成员之外的人员分享代码和数据,鼓励在大赛交流群与所有参赛选手公开讨论
  • 参赛选手需自行检查提交作品的正确性,确认无误后再进行提交,如有任何提交问题导致成绩有误,主办方概不负责
  • 参赛作品必须保证原创性,不违反任何中华人民共和国的有关法律,不侵犯任何第三方知识产权或其它权利,如有发现并查证,主办方将取消其比赛资格、成绩

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)
FlyAI挑战奖 所有挑战者 奖金获取标准:60<Score<=100 按照得分比例获取奖金池金额
新框架奖励 所有人 项目中首次使用排行榜中未出现的新框架搭建模型,可获得60FAI币额外积分奖励

备注:

  • 通过更新排行榜获取奖金,与原排行榜冠军得分差值越大,所获奖金比例越高
  • 按照所有挑战者提交作品时间先后,后台审核作品并更新到排行榜中, 【Score】未达奖金获取标准可显示在排行榜中,但无法获取奖金
  • 奖金额度获取评判指标说明:【BOUNS】表示奖金池总额度;【Score】表示模型得分;【BU_N】表示第n位达到奖金获取标准并更新排行榜后所获得的奖金总额度
  • 提交离线训练,系统自动评判模型Score。奖金获取额度计算公式如下:

赛事主题和数据说明

赛题描述

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。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

CIFAR10

数据描述

字段说明:

字段名 字段类型 取值区间 字段描述
image_path string 不为空 图片的相对路径
label float 大于等于 0, 小于等于 9 图片的标注标签
name int 不为空 图片上对应的类别

输入字段: image_path,

输出字段: label,

参考文献:

[1]Learning Multiple Layers of Features from Tiny Images, Alex Krizhevsky, 2009.

评审标准

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:如何查看数据集?

  • 请在【赛事主题和数据描述>数据来源】点击文字链接查看原始数据集

Q:如何顺利提交作品并训练?

  • 请查看本详情页右侧栏提交指南代码命令提示,根据flyai命令提交作品并训练

Q:提交样例代码是否可获得比赛奖金?

  • 不可以。样例代码仅供开发者学习参考,如提交相似代码,不会通过人工审核且无法获取奖励

展开

排行榜

(每日 24 时更新)

1

提供者:baselinе

299.00

batch数据为128,循环次数为10次,损失函数优化完,最终完成评分为100。

2019-04-11 22:43:43

299.00

100.00

2

提供者:Teenage Dream

36.00

batch数据为256,循环次数为7000次,损失函数优化完,最终完成评分为96.39。

2019-04-12 09:41:09

36.00

96.39

3

提供者:无名小辈

191.00

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为95.02。

2019-04-02 13:20:22

191.00

95.02

4

提供者:baseline

71.00

batch数据为64,循环次数为2000次,损失函数优化完,最终完成评分为94.47。

2019-04-04 11:31:37

71.00

94.47

5

提供者:令狐冲

245.00

batch数据为128,循环次数为500次,损失函数优化完,最终完成评分为91.08。

torch

CNN

2019-03-20 11:35:27

245.00

91.08

6

提供者:回头Y是岸

batch数据为36000,循环次数为1次,损失函数优化完,最终完成评分为88.62。

2019-04-08 17:23:31

88.62

7

提供者:篠筱筱

10.00

batch数据为128,循环次数为1次,损失函数优化完,最终完成评分为87.65。

2019-03-30 15:18:57

10.00

87.65

8

提供者:无......有

batch数据为64,循环次数为10000次,损失函数优化完,最终完成评分为86.49。

2019-04-08 16:15:06

86.49

9

提供者:给我两块啊

batch数据为128,循环次数为250次,损失函数优化完,最终完成评分为84.3。

PyTorch

DenseNet

2019-04-12 08:09:32

84.30

10

提供者:柠檬

batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为84.18。

2019-04-10 16:24:36

84.18

11

提供者:善假于物

batch数据为512,循环次数为1000次,损失函数优化完,最终完成评分为82.63。

PyTorch

ResNet18

2019-04-03 13:23:03

82.63

12

提供者:bestfitting

batch数据为256,循环次数为10000次,损失函数优化完,最终完成评分为81.08。

2019-04-13 14:51:58

81.08

13

提供者:Flipped

batch数据为1024,循环次数为5000次,损失函数优化完,最终完成评分为79.6。

2019-04-04 20:46:29

79.60

14

提供者:smooklazz

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为79.46。

2019-04-04 11:28:25

79.46

15

提供者:李小白

10.00

batch数据为256,循环次数为2000次,损失函数优化完,最终完成评分为79。

2019-03-21 18:01:57

10.00

79.00

16

提供者:Water

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为78.69。

2019-04-16 21:28:12

78.69

17

提供者:Ant_

10.00

batch数据为32,循环次数为30000次,损失函数优化完,最终完成评分为78.02。

2019-03-23 00:22:46

10.00

78.02

18

提供者:看你很6哦

10.00

batch数据为100,循环次数为1000次,损失函数优化完,最终完成评分为75.47。

2019-04-02 20:50:22

10.00

75.47

19

提供者:Hallo

115.00

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为75.43。

2019-03-19 00:57:58

115.00

75.43

20

提供者:Rank

10.00

batch数据为64,循环次数为10000次,损失函数优化完,最终完成评分为74.41。

2019-04-02 16:46:17

10.00

74.41

21

提供者:DDBG

batch数据为512,循环次数为30000次,损失函数优化完,最终完成评分为72.91。

2019-03-19 21:37:21

72.91

22

提供者:Jackko

10.00

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为70.83。

2019-03-19 11:37:49

10.00

70.83

23

提供者:lkkkkkkkk

10.00

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为69.23。

2019-03-25 22:01:36

10.00

69.23

24

提供者:cookie

10.00

batch数据为256,循环次数为10000次,损失函数优化完,最终完成评分为68.93。

2019-03-21 12:35:16

10.00

68.93

25

提供者:ROC

batch数据为128,循环次数为10000次,损失函数优化完,最终完成评分为67.91。

2019-04-03 23:07:25

67.91

26

提供者:Hnecl

10.00

batch数据为256,循环次数为5000次,损失函数优化完,最终完成评分为67.67。

2019-03-26 22:17:35

10.00

67.67

27

提供者:chenyl

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为67.1。

2019-04-07 22:39:12

67.10

28

提供者:cclxx

batch数据为128,循环次数为200次,损失函数优化完,最终完成评分为66.89。

2019-04-08 22:55:00

66.89

29

提供者:火炎焱燚

10.00

batch数据为64,循环次数为4000次,损失函数优化完,最终完成评分为66.73。

torch

CNN

2019-04-04 20:54:02

10.00

66.73

30

提供者:lyming

10.00

batch数据为512,循环次数为300次,损失函数优化完,最终完成评分为64.87。

2019-03-21 22:58:13

10.00

64.87

31

提供者:不爱睡觉的嘟嘟Sama

batch数据为512,循环次数为1000次,损失函数优化完,最终完成评分为63.4。

Keras

DenseNet201

2019-04-06 17:45:53

63.40

32

提供者:月之涯

10.00

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为61.92。

2019-04-02 23:18:14

10.00

61.92

33

提供者:小瓶盖子

10.00

batch数据为64,循环次数为3000次,损失函数优化完,最终完成评分为60.35。

2019-04-03 15:08:47

10.00

60.35

34

提供者:LzM_

10.00

batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为59.13。

2019-03-22 15:17:51

10.00

59.13

35

提供者:WayPlus

10.00

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为57.83。

2019-04-05 10:11:48

10.00

57.83

36

提供者:Matthew

10.00

batch数据为128,循环次数为3000次,损失函数优化完,最终完成评分为57.03。

2019-03-29 21:51:53

10.00

57.03

37

提供者:ziz

10.00

batch数据为256,循环次数为10000次,损失函数优化完,最终完成评分为56.8。

2019-03-26 12:40:39

10.00

56.80

38

提供者:zhiduanqingchang

10.00

batch数据为64,循环次数为1500次,损失函数优化完,最终完成评分为55.92。

2019-04-01 10:52:10

10.00

55.92

39

提供者:木鱼

10.00

batch数据为128,循环次数为200次,损失函数优化完,最终完成评分为50.25。

2019-03-31 15:49:59

10.00

50.25

40

提供者:罐子

10.00

batch数据为128,循环次数为1500次,损失函数优化完,最终完成评分为48.52。

2019-03-21 02:35:27

10.00

48.52

41

提供者:ys

10.00

batch数据为128,循环次数为200次,损失函数优化完,最终完成评分为48.19。

2019-03-29 21:33:15

10.00

48.19

42

提供者:mj1553236471

10.00

batch数据为32,循环次数为1000次,损失函数优化完,最终完成评分为48.07。

2019-03-25 21:22:36

10.00

48.07

43

提供者:iris

batch数据为64,循环次数为1000次,损失函数优化完,最终完成评分为46.95。

2019-04-04 18:04:21

46.95

44

提供者:五月^V^

batch数据为128,循环次数为500次,损失函数优化完,最终完成评分为41.67。

2019-04-10 12:12:14

41.67

45

提供者:seven.Qi

batch数据为32,循环次数为1000次,损失函数优化完,最终完成评分为37.39。

2019-04-11 07:53:40

37.39

46

提供者:乔帮主

10.00

batch数据为32,循环次数为100次,损失函数优化完,最终完成评分为30.74。

2019-03-26 09:07:13

10.00

30.74

47

提供者:huzhong

batch数据为64,循环次数为100次,损失函数优化完,最终完成评分为30.72。

2019-04-09 16:46:38

30.72

48

提供者:Daiccccc

10.00

batch数据为32,循环次数为100次,损失函数优化完,最终完成评分为24.51。

2019-03-29 16:52:15

10.00

24.51

49

提供者:(><)

batch数据为128,循环次数为150次,损失函数优化完,最终完成评分为16.65。

2019-04-15 23:43:34

16.65

50

提供者:EnfantImparfait

batch数据为128,循环次数为600次,损失函数优化完,最终完成评分为10.05。

2019-04-02 22:45:30

10.05

万元奖金等你拿,挑战者,都在 FlyAI

点击立即报名

下载参赛资料

挑战者大赛 官方交流群

训练记录

你还没有任何提交记录喔...

使用指南

1. 下载项目并解压
2. 使用终端进入到项目的根目录下

cd /path/to/project

Mac和Linux用户使用 ./flyai 脚本文件

3. 初始化环境并登录

授权flyai脚本

chmod +x ./flyai

下载完成之后,执行下列命令并使用微信扫码登录

./flyai init

登录成功之后,会自动下载运行所需环境

4. 本地开发调试

执行

./flyai test

安装项目所需依赖,并运行 main.py

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

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

./flyai train

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

默认训练成功后不公开在项目排行榜中,公开项目需在提交训练时执行

./flyai train -p=1

完整训练设置执行代码示例:

./flyai train -p=1 -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 ,公开提交模型

$vue{ errorTip }

发送样例至我的邮箱

已发送

已发送成功

请查收FlyAI官方邮件查看详情 根据样例提高算法评分可以获得积分奖励 用来兑换GPU训练时长

确定

报名成功!

感谢您的参与!点击 下载资料 并及时提交您的作品

下载资料

打开微信,使用扫一扫功能分享给好友