CIFAR100种图片分类练习赛

分享给好友

剩余奖金 ¥ 44

立即报名

立即报名

大赛简介

此数据集与CIFAR-10类似,不同之处在于它有100个类型,每类包含600个图像。每个类有500个训练图像和100个测试图像。CIFAR-100中的100个小类分为20个大类,每张图片包含其所属的小类和大类标签。

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

CIFAR100

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 99 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

576.00

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99.72。

2019-04-09 13:59:46

576.00

99.72

2

提供者:baseline

1016.00

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99.02。

2019-04-10 10:26:43

1016.00

99.02

3

提供者:Teenage Dream

39.00

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95.47。

2019-04-08 00:19:44

39.00

95.47

4

提供者:令狐冲

325.00

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83.12。

2019-03-20 12:49:41

325.00

83.12

5

提供者:玄学上分

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82.09。

2019-03-31 00:03:17

10.00

82.09

6

提供者:我要起床学习了

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75.78。

2019-04-04 01:48:03

75.78

7

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73.32。

2019-04-03 13:49:14

73.32

8

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69.07。

2019-04-09 05:35:53

69.07

9

提供者:火炎焱燚

10.00

batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为63.38。

2019-04-14 19:56:02

10.00

63.38

10

提供者:cclxx

batch数据为128,循环次数为2000次,损失函数优化完,最终完成评分为50.86。

2019-04-08 00:05:52

50.86

11

提供者:Flipped

10.00

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50.32。

2019-04-05 05:37:52

10.00

50.32

12

提供者:看你很6哦

10.00

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49.86。

2019-04-02 18:02:34

10.00

49.86

13

提供者:Matthew

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49.12。

2019-03-24 13:39:32

10.00

49.12

14

提供者:无名小辈

10.00

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48.23。

2019-03-31 00:12:58

10.00

48.23

15

提供者:zhiduanqingchang

10.00

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47.73。

2019-04-03 23:20:29

10.00

47.73

16

提供者:你看起来真的很努力

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43.89。

2019-04-04 09:53:16

43.89

17

提供者:Hw丶

10.00

batch数据为256,循环次数为1500次,损失函数优化完,最终完成评分为43.4。

2019-04-03 13:18:55

10.00

43.40

18

提供者:cookie

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41.9。

2019-03-20 16:01:32

10.00

41.90

19

提供者:杰

10.00

batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为40.01。

2019-03-30 20:46:49

10.00

40.01

20

提供者:风雨兼程

10.00

batch数据为512,循环次数为10000次,损失函数优化完,最终完成评分为39.07。

2019-03-17 22:34:24

10.00

39.07

21

提供者:李小白

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38.19。

2019-03-24 12:56:57

10.00

38.19

22

提供者:Rank

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37.91。

2019-03-29 10:28:30

10.00

37.91

23

提供者:fan wu

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35.16。

2019-04-03 08:07:33

35.16

24

提供者:uuuuu

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为34.23。

2019-04-03 21:06:48

34.23

25

提供者:风林火山

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34.14。

2019-04-07 17:17:25

34.14

26

提供者:柠檬

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为32.43。

PyTorch

Resnet101

2019-04-09 06:20:53

32.43

27

提供者:lyming

10.00

batch数据为256,循环次数为1000次,损失函数优化完,最终完成评分为29.73。

2019-03-21 08:07:12

10.00

29.73

28

提供者:lightning-zgc

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26.11。

2019-04-02 14:25:38

26.11

29

提供者:bestfitting

batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为26.02。

PyTorch

Resnet101

2019-04-09 11:31:18

26.02

30

提供者:小北

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24.03。

2019-03-29 18:32:00

10.00

24.03

31

提供者:Hnecl

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20.97。

2019-03-27 22:01:19

10.00

20.97

32

提供者:cactus_6

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20.93。

2019-04-01 23:46:25

10.00

20.93

33

提供者:Zongshen

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17.75。

PyTorch

DPN92

2019-04-03 09:05:07

17.75

34

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16.25。

2019-03-26 17:13:45

10.00

16.25

35

提供者:WayPlus

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14.52。

2019-04-03 22:05:15

14.52

36

提供者:lemonade

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12.54。

2019-04-08 11:38:22

12.54

37

提供者:codePlay

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10.26。

2019-04-01 00:47:06

10.00

10.26

38

提供者:decoo

batch数据为512,循环次数为200次,损失函数优化完,最终完成评分为7.16。

2019-04-04 01:59:38

7.16

39

提供者:探索者1553567528

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6.59。

2019-03-31 18:33:15

10.00

6.59

40

提供者:哇咔咔

10.00

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5.04。

2019-03-31 01:05:57

10.00

5.04

41

提供者:小瓶盖子

10.00

batch数据为64,循环次数为200次,损失函数优化完,最终完成评分为3.66。

2019-04-01 21:47:56

10.00

3.66

42

提供者:Nauxnewnah

batch数据为100,循环次数为500次,损失函数优化完,最终完成评分为3.6。

2019-04-03 19:59:45

3.60

43

提供者:CooKo1552966657

10.00

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2.57。

Keras

DenseNet

2019-03-22 19:28:36

10.00

2.57

44

提供者:sdamu

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2.01。

2019-04-04 11:00:33

2.01

45

提供者:沉迷于深度学习不见消瘦无法自拔

10.00

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1.96。

2019-03-29 22:08:36

10.00

1.96

46

提供者:Value_H

10.00

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1.32。

2019-03-23 01:36:47

10.00

1.32

47

提供者:嗨你的益达

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1.04。

2019-04-18 18:19:49

1.04

48

提供者:k一起旅行

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1.03。

2019-04-02 14:30:30

1.03

49

提供者:Hallo

10.00

batch数据为128,循环次数为3333次,损失函数优化完,最终完成评分为1.01。

2019-03-23 00:24:38

10.00

1.01

50

提供者:LALALALALALA

10.00

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0.96。

2019-03-29 21:31:45

10.00

0.96

51

提供者:CHANGE

batch数据为64,循环次数为5000次,损失函数优化完,最终完成评分为0.87。

2019-04-04 21:33:28

0.87

52

提供者:'code and paper'

10.00

batch数据为32,循环次数为500次,损失函数优化完,最终完成评分为0.84。

2019-04-01 23:16:56

10.00

0.84

53

提供者:零露

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0.81。

2019-04-05 04:23:54

0.81

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