CIFAR-10 图片分类预测

分享给好友

剩余奖金 ¥ 299

报名参赛

体验云端免费GPU极速训练,还能赢奖⾦!

报名参赛

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

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

  • 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
  • 禁止使用外部链接下载代码替换本项目代码
  • 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)
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

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:

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: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、PaddlePaddle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。

展开

  • 竞赛排行榜
  • 奖金记录
第三名

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

第三名

提供者:trick_or_treat

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

第三名

提供者:isaiah

batch数据为128,循环次数为30次,损失函数优化完,最终完成评分为93.43。

MXNet

CNN

2019-07-16 00:42:54

93.43

4

提供者:YY

batch数据为200,循环次数为160次,损失函数优化完,最终完成评分为93.38。

2019-07-25 04:11:31

93.38

5

提供者:你猜猜我是谁

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:Victor Hong

batch数据为128,循环次数为16次,损失函数优化完,最终完成评分为90.28。

MXNet

ResNet

2019-09-24 09:50:25

90.28

7

提供者:sakuranew

batch数据为128,循环次数为50次,损失函数优化完,最终完成评分为89.95。

2019-06-20 13:35:30

89.95

8

提供者:dtrimina

batch数据为256,循环次数为200次,损失函数优化完,最终完成评分为88.98。

2019-08-05 23:46:06

88.98

9

提供者:=

batch数据为64,循环次数为1次,损失函数优化完,最终完成评分为88.88。

2019-05-28 11:54:38

88.88

10

提供者:五叶草

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

11

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

12

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

13

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。

2019-04-12 08:09:32

84.30

14

提供者:Winteriscoming

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

15

提供者:chenfengshf

batch数据为256,循环次数为50次,损失函数优化完,最终完成评分为84。

2019-09-01 20:16:54

84.00

16

提供者:蜗牛、Gray

batch数据为512,循环次数为5000次,损失函数优化完,最终完成评分为82.7。

2019-07-10 19:34:17

82.70

17

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

18

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

19

提供者:搬砖的长工

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80.75。

2019-09-16 16:07:43

80.75

20

提供者:kongd

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

21

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

22

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

23

提供者:killf

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78.74。

paddle

CNN

2019-07-27 08:05:02

78.74

24

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

25

提供者:Seeney

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

26

提供者:上山打老鼠

batch数据为128,循环次数为240次,损失函数优化完,最终完成评分为77.93。

Mxnet

ResNet

2019-08-06 14:45:21

77.93

27

提供者:开拓者

batch数据为128,循环次数为100次,损失函数优化完,最终完成评分为77.91。

2019-10-27 22:06:30

77.91

28

提供者:I admit myself

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77.41。

2019-07-20 17:26:18

77.41

29

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

30

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

31

提供者:全群最菜

batch数据为256,循环次数为8000次,损失函数优化完,最终完成评分为74.43。

2019-08-07 09:17:32

74.43

32

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

33

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

34

提供者:cnn

batch数据为100,循环次数为32次,损失函数优化完,最终完成评分为72.32。

2019-07-02 10:49:09

72.32

35

提供者:顺子

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70.93。

2019-11-29 17:34:29

70.93

36

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

37

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

38

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

39

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

40

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

41

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

42

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

43

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

44

提供者:Mengcius

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65.81。

2019-09-26 01:08:19

65.81

45

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

46

提供者:sigmoid

batch数据为256,循环次数为10次,损失函数优化完,最终完成评分为64.32。

2019-10-13 21:06:59

64.32

47

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

48

提供者:王璐

batch数据为96,循环次数为8000次,损失函数优化完,最终完成评分为60.53。

2019-05-25 22:58:09

60.53

49

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

50

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

51

提供者:AD.Fu

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58.58。

2019-07-09 19:13:16

58.58

52

提供者:莫须有の嚣张

batch数据为10000,循环次数为500次,损失函数优化完,最终完成评分为58.24。

2019-06-25 22:29:59

58.24

53

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

54

提供者:做自己的唯一

batch数据为50,循环次数为1次,损失函数优化完,最终完成评分为57.51。

2019-09-06 09:13:02

57.51

55

提供者:就是很任性

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

56

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

57

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

58

提供者:Kit

batch数据为64,循环次数为7000次,损失函数优化完,最终完成评分为55.6。

2019-12-03 12:48:39

55.60

59

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

60

提供者:hiccup

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48.68。

2019-10-13 10:43:12

48.68

61

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

62

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

63

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

64

提供者:Jeremy

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47.88。

2019-09-16 20:04:01

47.88

65

提供者:wrzhenian

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47.24。

2019-07-13 16:12:15

47.24

66

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

67

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

68

提供者:不语

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41.15。

2019-07-10 00:34:29

41.15

69

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

70

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

71

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

72

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

73

提供者:会飞的猪

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21.93。

2019-08-15 10:57:21

21.93

74

提供者:第五轻柔

batch数据为256,循环次数为100次,损失函数优化完,最终完成评分为21.42。

2019-08-19 14:20:20

21.42

75

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

76

提供者:西风古道

batch数据为64,循环次数为30次,损失函数优化完,最终完成评分为13.71。

2019-11-27 22:51:08

13.71

77

提供者:(ಡωಡ)

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12.03。

2019-08-16 11:23:30

12.03

78

提供者:lemonade

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10.62。

2019-09-19 22:41:50

10.62

79

提供者:ChangeBio

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10.22。

2019-04-29 20:25:30

10.22

80

提供者:参赛小学生

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为10.22。

2019-05-08 02:16:59

10.22

81

提供者:芦花似雪

batch数据为32,循环次数为10次,损失函数优化完,最终完成评分为10.07。

2019-08-13 10:26:51

10.07

82

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

83

提供者:一个人的单打独斗

batch数据为500,循环次数为32次,损失函数优化完,最终完成评分为9.75。

2019-06-15 17:52:50

9.75

84

提供者:kuchengcheng

batch数据为128,循环次数为100次,损失函数优化完,最终完成评分为9.59。

2019-09-04 17:08:38

9.59

2019-04-08
Teenage Dream

模型得分为95.65,本次获得实时奖励奖金为36

2019-04-08 13:53:05

2019-04-02
无名小辈

模型得分为95.02,本次获得实时奖励奖金为191

2019-04-02 13:20:22

2019-04-01
小瓶盖子

模型得分为18.43,本次获得实时奖励奖金为10

2019-04-01 19:40:34

看你很6哦

模型得分为74.35,本次获得实时奖励奖金为10

2019-04-01 19:04:36

Rank

模型得分为58.96,本次获得实时奖励奖金为10

2019-04-01 16:39:03

2019-04-01
zhiduanqingchang

模型得分为55.92,本次获得实时奖励奖金为10

2019-04-01 10:52:10

2019-03-31
WayPlus

模型得分为54.43,本次获得实时奖励奖金为10

2019-03-31 23:20:14

木鱼

模型得分为50.25,本次获得实时奖励奖金为10

2019-03-31 15:49:59

2019-03-29
ys

模型得分为11.03,本次获得实时奖励奖金为10

2019-03-29 19:52:45

火炎焱燚

模型得分为10.42,本次获得实时奖励奖金为10

2019-03-29 18:42:44

Daiccccc

模型得分为24.51,本次获得实时奖励奖金为10

2019-03-29 16:52:15

月之涯

模型得分为54.43,本次获得实时奖励奖金为10

2019-03-29 12:36:10

2019-03-26
Hnecl

模型得分为63.04,本次获得实时奖励奖金为10

2019-03-26 18:56:38

2019-03-26
ziz

模型得分为23.69,本次获得实时奖励奖金为10

2019-03-26 09:23:28

乔帮主

模型得分为30.74,本次获得实时奖励奖金为10

2019-03-26 09:07:13

2019-03-25
lkkkkkkkk

模型得分为62.64,本次获得实时奖励奖金为10

2019-03-25 21:19:06

mj1553236471

模型得分为16.79,本次获得实时奖励奖金为10

2019-03-25 21:09:39

篠筱筱

模型得分为85.21,本次获得实时奖励奖金为10

2019-03-25 18:28:19

2019-03-22
就是很任性

模型得分为51.09,本次获得实时奖励奖金为10

2019-03-22 23:38:27

2019-03-22
LzM_

模型得分为59.13,本次获得实时奖励奖金为10

2019-03-22 15:17:51

Seeney

模型得分为76.99,本次获得实时奖励奖金为10

2019-03-22 08:17:54

2019-03-21
lyming

模型得分为64.87,本次获得实时奖励奖金为10

2019-03-21 22:58:13

trick_or_treat

模型得分为89.2,本次获得实时奖励奖金为20

2019-03-21 16:28:36

2019-03-21
cookie

模型得分为62.74,本次获得实时奖励奖金为10

2019-03-21 01:09:13

2019-03-20
李小白

模型得分为47.33,本次获得实时奖励奖金为10

2019-03-20 13:31:02

你猜猜我是谁

模型得分为88.63,本次获得实时奖励奖金为235

2019-03-20 09:02:47

2019-03-20
你猜猜我是谁

模型得分为55.47,本次获得实时奖励奖金为10

2019-03-20 02:53:04

2019-03-19
Jackko

模型得分为70.83,本次获得实时奖励奖金为10

2019-03-19 11:37:49

trick_or_treat

模型得分为78.65,本次获得实时奖励奖金为51

2019-03-19 11:25:01

2019-03-19
Hallo

模型得分为75.43,本次获得实时奖励奖金为8

2019-03-19 00:57:58

Hallo

模型得分为74.68,本次获得实时奖励奖金为53

2019-03-19 00:46:52

罐子

模型得分为40.04,本次获得实时奖励奖金为10

2019-03-18 23:18:54

Hallo

模型得分为67.63,本次获得实时奖励奖金为54

2019-03-18 23:11:13

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

  • 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.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

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

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

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

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.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 notebook 操作界面

运行 run main.py 命令即可在本地训练调试代码

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

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 FlyAI-Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境 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

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

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

更多参赛帮助请查看文档中心

$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

$vue{flag?'报名成功!':'参赛温馨提示'}

通过迭代赛题的样例代码提高模型准确率哦~
准确率越高,奖励越丰富!

查看样例代码

⼤神你好!当前能⼒值⽆法参加新⼿手赛

多给新手一些机会哦~

查看样例代码

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
参赛提示


申请参赛资格请扫描上方二维码联系FlyAI客服

当前赛题您未在 24小时内 报名参加
参赛资格已失效,如有疑问请联系FlyAI客服

当前赛题您未在 48小时内 提交有效成绩
参赛资格已失效,如有疑问请联系FlyAI客服

参加其他比赛
提交结果文件
提示:每次提交需消耗 100 FAI

仅支持上传 CSV 格式的文件

$vue{csvName}上传成功
取消 确认提交

评估成绩得分

$vue{csv_data.score}
$vue{csv_data.lable}
关闭结果