Cinic-10图像分类

分享给好友

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

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,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:

展开

  • 竞赛排行榜
  • 自由练习榜单
  • 讨论($vue{comment_count})
超过 85分 的成绩会在48小时内更新到排行榜,不要着急哦!
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
第三名

提供者:horson

大神经验
batch数据为64,循环次数为60次,损失函数优化完,最终完成评分为94.82。

2019-10-05 00:39:58

1742.00

大神经验
第三名

提供者:Wghost

大神经验
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93.76。

2019-10-11 23:46:34

893.75

大神经验
第三名

提供者:一口大怪兽

大神经验
batch数据为64,循环次数为40次,损失函数优化完,最终完成评分为93.73。

2019-10-12 12:44:25

554.38

大神经验
4

提供者:龙龙

暂未公开
batch数据为64,循环次数为20次,损失函数优化完,最终完成评分为93.33。

torch

CNN

2019-10-11 05:23:30

482.00

暂未公开
5

提供者:invisprints

暂未公开
batch数据为128,循环次数为20次,损失函数优化完,最终完成评分为93.2。

2019-10-02 15:27:45

187.69

暂未公开
6

提供者:我是小倩倪啊

暂未公开
batch数据为500,循环次数为1次,损失函数优化完,最终完成评分为92.69。

2019-10-16 02:40:38

12.34

暂未公开
7

提供者: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,损失函数优化完,最终完成评分为91.94。

2019-09-30 00:58:21

37.50

暂未公开
8

提供者:CongBig

暂未公开
batch数据为500,循环次数为1次,损失函数优化完,最终完成评分为91.63。

2019-10-19 04:47:13

1.17

暂未公开
9

提供者:钟方方

暂未公开
batch数据为128,循环次数为60次,损失函数优化完,最终完成评分为90.87。

2019-10-09 23:21:56

10.00

暂未公开
10

提供者:风1567927103

暂未公开
batch数据为16,循环次数为30次,损失函数优化完,最终完成评分为90.32。

2019-10-01 07:28:52

124.00

暂未公开
11

提供者:流年相摧

暂未公开
batch数据为32,循环次数为2次,损失函数优化完,最终完成评分为90.1。

2019-10-21 01:49:49

10.00

暂未公开
12

提供者:Monica

暂未公开
batch数据为128,循环次数为32次,损失函数优化完,最终完成评分为89.37。

2019-10-07 10:06:05

10.00

暂未公开
13

提供者:bit_byte

暂未公开
batch数据为32,循环次数为60次,损失函数优化完,最终完成评分为87.37。

2019-10-01 15:48:46

1.25

暂未公开
14

提供者:fitz

暂未公开
batch数据为128,循环次数为40次,损失函数优化完,最终完成评分为86.84。

2019-10-01 01:26:32

2.50

暂未公开
15

提供者:chenfengshf

暂未公开
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85.86。

2019-09-25 09:53:34

5.00

暂未公开
16

提供者:宇宙

暂未公开
batch数据为256,循环次数为54次,损失函数优化完,最终完成评分为85.01。

2019-09-22 14:03:28

146.00

暂未公开
17

提供者:true up

暂未公开
batch数据为100,循环次数为1次,损失函数优化完,最终完成评分为82.3。

2019-10-11 10:31:27

暂未公开
18

提供者:Victor Hong

暂未公开
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82.01。

MXNet

ResNet56_v2

2019-09-25 07:20:15

暂未公开
19

提供者:Sunny^_^Today

暂未公开
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79.01。

2019-09-24 16:12:34

暂未公开
20

提供者:搬砖的长工

暂未公开
batch数据为128,循环次数为15次,损失函数优化完,最终完成评分为77.89。

2019-10-16 21:22:19

暂未公开
21

提供者:sigmoid

暂未公开
batch数据为256,循环次数为60次,损失函数优化完,最终完成评分为77.06。

PyTorch

vgg16

2019-10-16 15:09:06

暂未公开
22

提供者:比如说

暂未公开
batch数据为256,循环次数为30次,损失函数优化完,最终完成评分为75.11。

2019-10-16 01:36:48

暂未公开
23

提供者:overture

暂未公开
batch数据为32,循环次数为20次,损失函数优化完,最终完成评分为74.36。

2019-09-21 15:38:28

暂未公开
24

提供者:PH

暂未公开
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65.08。

2019-10-19 08:36:59

暂未公开
25

提供者:zozo

暂未公开
batch数据为512,循环次数为32次,损失函数优化完,最终完成评分为61.66。

2019-11-15 07:24:53

暂未公开
26

提供者:Mengcius

暂未公开
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41.78。

2019-09-30 16:19:06

暂未公开
27

提供者:cneday

暂未公开
batch数据为200,循环次数为16次,损失函数优化完,最终完成评分为39.99。

2019-09-21 22:49:11

暂未公开
28

提供者:cyf

暂未公开
batch数据为30,循环次数为30次,损失函数优化完,最终完成评分为32.92。

2019-10-16 15:01:18

暂未公开
29

提供者:泽然

暂未公开
batch数据为128,循环次数为24次,损失函数优化完,最终完成评分为13.28。

2019-09-21 19:31:04

暂未公开
30

提供者:resistence

暂未公开
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

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.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

$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 10 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

报名前需认证

请先完成个人的身份信息认证后再报名哦!

取消 前往认证
报名确认
报名参与本场比赛前请仔细阅读并勾选竞赛协议,点击确定报名即可报名成功!

参赛者须同意如下保密规则:

1.保密信息范围:平台方向参赛者披露或提供的全部信息,以及参赛者因参加本次大赛从平台方处获得、知晓所得的商业秘密和其他所有非第三方所知的信息,包括但不限于 :

(1)平台方提供的图片、语音、数据、代码等;

(2)平台方从第三方处获得但应承担保密义务的数据、信息;

(3)其他通常不为平台方以外的人所知晓、未在公共领域被正式公开的数据、信息;

2.参赛者保证仅按照平台方的指定要求在指定区域及系统内使用保密信息于参赛的合理目的使用,参赛者不得以不符合平台方要求的方式获取、使用保密信息,不得以任何形式向任何第三方泄露、披露、传播、出售、转让或用于任何商业用途及其用途等。

3.参赛者认可上述所有信息为平台方的保密信息,参赛者同意对平台方的上述保密信息严格保密,并采取所有必要的保密措施,不得向公众披露此等保密信息或向第三方披露此等保密信息。

4.参赛者承诺不发表对平台方及大赛举办等的任何不利言论,并不会在任何场合以及向任何媒体、网络等途径发表或泄露参赛者在参加大赛过程中知晓的保密信息、商业秘密等,否则,平台方有权取消参赛者的参赛资格、获得奖金等,且参赛者应对平台方造成的全部损失进行赔偿。

5.参赛者同意平台方有权随时对参赛者是否存在违约进行审查,参赛者未经授权而进行保密信息的使用或披露都将给平台方造成的损失和侵害,除所有法定的赔偿外,平台方将有权基于合理的判断而对任何实际或可能发生的违反保密条款的行为,向有管辖权的人民法院申请救济。参赛者应就违约行为而对平台方可能受到的全部损失、侵害,包括但不限于实际损失、可得利益和律师费用承担足额的赔偿责任。

如您不同意本协议,请不要进行任何后续操作;否则视为您已了解并完全同意本协议各项内容,本协议即在您和FlyAI之间产生法律效力。

滑动下拉阅读保密规则并勾选同意《FlyAI竞赛参赛协议》
确定报名
确定报名