Cinic-10图像分类

分享给好友

2019-09-18 15:00:00
开始提交

2019-10-18 15:00:00
最终提交结束

自由训练

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

下载当前代码

您可使用自己熟悉的编辑器实现算法并通过命令行
提交任务到FlyAI云端训练。确认下载体验吗?

$vue{upDataType ? '上传样例压缩包' : '上传代码压缩包' }

请将代码文件压缩为zip格式,文件大小不超过10M 提示:请确认删除"data"⽂件夹后进行上传操作

将文件拖拽至此处或点击此处选择文件

$vue{complete < 99 ? '上传中' : '上传完成'} $vue{complete}

$vue{fileName}
线上GPU运行环境:
FlyAl推荐如下配置,如有问题可手动添加或修改!

GPU环境

深度学习框架

其它依赖

提交
提交

提交确认

设置好参数后点击“确定“发布GPU训练任务

EPOCHS

BATCH SIZE

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
  • 自由练习榜单
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

CINIC-10由CIFAR和ImageNet的图像组成。来自这些的图像不一定是相同的分布,呈现出新的挑战。CINIC-10 中共有 270,000 张图像,将这些图像平均分割为三个子集:训练集、验证集和测试集。

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

Cinic-10_V1

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。

字段说明:

文件名 字段名称 字段类型 备注
image_path string 不为空 图片路径
name string 不为空 图像类别
labels int 大于等于 0, 小于等于 9 分类标签

参考文献:

[1]CINIC-10 Is Not ImageNet or CIFAR-10

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: labels,

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:
超过 85分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

horson

大神经验
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94.82。

2019-10-05 00:39:58

1742.00

大神经验
第三名

Wghost

大神经验
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93.76。

2019-10-11 23:46:34

893.75

大神经验
第三名

一口大怪兽

大神经验
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93.73。

2019-10-12 12:44:25

554.38

大神经验
4

龙龙

暂未公开
batch数据为64,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93.33。

2019-10-11 05:23:30

482.00

暂未公开
5

invisprints

暂未公开
batch数据为128,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93.20。

2019-10-02 15:27:45

187.69

暂未公开
6

我是小倩倪啊

暂未公开
batch数据为500,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92.69。

2019-10-16 02:40:38

12.34

暂未公开
7

马上就有人鱼线的骨折君

暂未公开
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91.94。

2019-09-30 00:58:21

37.50

暂未公开
8

CongBig

暂未公开
batch数据为500,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91.63。

2019-10-19 04:47:13

1.17

暂未公开
9

钟方方

暂未公开
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90.87。

2019-10-09 23:21:56

10.00

暂未公开
10

风1567927103

暂未公开
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90.32。

2019-10-01 07:28:52

124.00

暂未公开
11

流年相摧

暂未公开
batch数据为32,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90.10。

2019-10-21 01:49:49

10.00

暂未公开
12

Monica

暂未公开
batch数据为128,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89.37。

2019-10-07 10:06:05

10.00

暂未公开
13

bit_byte

暂未公开
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87.37。

2019-10-01 15:48:46

1.25

暂未公开
14

fitz

暂未公开
batch数据为128,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86.84。

2019-10-01 01:26:32

2.50

暂未公开
15

alwaysbetter

暂未公开
batch数据为128,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85.86。

2019-09-25 09:53:34

5.00

暂未公开
16

宇宙

暂未公开
batch数据为256,循环次数为54次,通过在线上环境完成训练,模型最优精度评分为85.01。

2019-09-22 14:03:28

146.00

暂未公开
17

true up

暂未公开
batch数据为100,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82.30。

2019-10-11 10:31:27

暂未公开
18

Victor Hong

暂未公开
batch数据为128,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82.01。

2019-09-25 07:20:15

暂未公开
19

Sunny^_^Today

暂未公开
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79.01。

2019-09-24 16:12:34

暂未公开
20

搬砖的长工

暂未公开
batch数据为128,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77.89。

2019-10-16 21:22:19

暂未公开
21

sigmoid

暂未公开
batch数据为256,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77.06。

2019-10-16 15:09:06

暂未公开
22

比如说

暂未公开
batch数据为256,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75.11。

2019-10-16 01:36:48

暂未公开
23

overture

暂未公开
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74.36。

2019-09-21 15:38:28

暂未公开
24

PH

暂未公开
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65.08。

2019-10-19 08:36:59

暂未公开
25

zozo

暂未公开
batch数据为512,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61.66。

2019-11-15 07:24:53

暂未公开
26

Mengcius

暂未公开
batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为41.78。

2019-09-30 16:19:06

暂未公开
27

cneday

暂未公开
batch数据为200,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39.99。

2019-09-21 22:49:11

暂未公开
28

cyf

暂未公开
batch数据为30,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32.92。

2019-10-16 15:01:18

暂未公开
29

泽然

暂未公开
batch数据为128,循环次数为24次,通过在线上环境完成训练,模型最优精度评分为13.28。

2019-09-21 19:31:04

暂未公开
30

resistence

暂未公开
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10.04。

2019-10-08 01:02:56

暂未公开
第一名
AHU张雨 2020-06-29 20:14:51
2020-06-29 20:14:51
93.16
第二名
希楠 2020-05-02 18:43:44
2020-05-02 18:43:44
60.6
第三名
变向怪杰 2020-02-27 16:52:50
2020-02-27 16:52:50
36.93
4
ITBill 2020-03-19 11:16:54
2020-03-19 11:16:54
36.93
5
Champon 2020-03-24 15:18:44
2020-03-24 15:18:44
36.93
6
nice1576844076 2020-03-29 09:21:01
2020-03-29 09:21:01
36.93
7
沧海一粟1581748903 2020-03-31 21:00:22
2020-03-31 21:00:22
36.93
8
默语清风 2020-04-13 17:19:53
2020-04-13 17:19:53
36.93
9
conan1412 2020-04-16 21:04:57
2020-04-16 21:04:57
36.93
10
Feng1583890403 2020-04-24 22:27:02
2020-04-24 22:27:02
36.93
11
bingxl 2020-04-28 18:00:24
2020-04-28 18:00:24
36.93
12
鑫1589968284 2020-05-27 16:17:37
2020-05-27 16:17:37
36.93
13
韩天啸 2020-06-11 22:11:58
2020-06-11 22:11:58
36.93
14
flyai会员1594015984 2020-07-06 14:19:40
2020-07-06 14:19:40
36.93
15
flyai会员1601788996 2020-10-05 09:50:57
2020-10-05 09:50:57
36.93
16
是阿正 2020-12-14 09:42:22
2020-12-14 09:42:22
36.93
17
flyai会员1603024333 2021-03-18 14:31:49
2021-03-18 14:31:49
36.93
18
姑苏坛雪 2021-04-19 17:23:51
2021-04-19 17:23:51
36.93
19
flyai会员1618444850 2021-06-15 06:55:35
2021-06-15 06:55:35
36.93
20
flyai会员1627008501 2021-07-28 13:52:34
2021-07-28 13:52:34
36.93
21
flyai会员1630824874 2021-09-12 19:54:25
2021-09-12 19:54:25
36.93
22
flyai会员1645433407 2022-02-21 16:54:41
2022-02-21 16:54:41
36.93
讨论
500字
表情
发送
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...

  • 参赛流程
  • 常见问题

第一步:参赛选手从FlyAI官网选择比赛报名,需下载样例代码

下载的项目中不包含数据集,运行main.py会自动下载调试数据集

本地调试根据不同数据集会提供10%~100%数据,全量数据提交到GPU后会自动更新替换

下载样例代码,解压后在样例代码上编写自己的模型代码,压缩后再在上传代码位置进行上传,就可以查看自己得分。

第二步:本地代码调试

本地配置Python3.5以上的运行环境,并安装项目运行所需的Python依赖包 app.json是项目的配置文件

在main.py中编写神经网络,没有框架限制

在prediction.py测试模型是否评估成功

main.py中需在class Main(FlyAI) 类中实现自己的训练过程

第三步:提交到GPU训练,保存模型

本地调试完成之后,提交代码到GPU,在全量数据上训练模型,保存最优模型。

提交GPU的方式有:网站在线提交。

第四步:评估模型,获取奖金,实时提现

GPU训练完成后,会调用prediction.py中的predict方法进行评估,并给出最后得分

高分的参赛选手,可实时获取奖金,通过微信提现

Q:如何获得奖金?

A:超过项目设置的最低分,根据公式计算,就可以获得奖金。

Q:比赛使用什么框架?

A: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等。

Q:怎么参加比赛,需不需要提交csv文件?

A:FlyAI竞赛平台无需提交csv文件,在网页上点击报名,下载项目,使用你熟练的框架,修改main.py中的网络结构和数据处理,在prediction.py中进行加载模型及预测。将代码文件压缩为.zip格式,文件大小不超过10M,之后在网站进行在线提交就可以了。

Q:比赛排行榜分数怎么得到的?

A:参加项目竞赛必须实现 prediction.py 中的predict方法。调用模型得出评分。

Q:平台机器什么配置?

A:目前每个训练独占一块V100显卡,显存10G。

Q:本地数据集在哪?

A:可以本地使用ide运行 main.py 下载数据。

Q:FAI训练积分不够用怎么办?

A:目前GPU免费使用,可以进入到:我的积分,通过签到和分享等途径获得大量积分。

Q:离线训练代码不符合规范问题?

A:main.py中可以使用args.EPOCHS和args.BATCH。