结直肠癌组织纹理分类

分享给好友

剩余奖金 ¥ 4,310

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

结直肠癌(colorectal cancer,CRC)位于常见恶性肿瘤第三位并且死亡率极高,其早期诊断和肿瘤分期对治疗方式的选择有重要意义。近年来,越来越多的研究表明,纹理分析通过分析影像中像素或体素灰度的分布和联系,挖掘其细微结构和变化规律,能够更精确地评估肿瘤异质性、内在侵袭性和治疗抗性。因此纹理分析有助于肿瘤的早期诊断、分期和预后评估。

本赛题主要对结直肠癌的纹理影像进行分类,其中据集包含了5000张结直肠癌纹理的图片,图片大小为150*150的RGB图片。图片共分为8个类别,代表8种不同的纹理。

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?

  • 方式一:在线提交体验结果。FlyAI已提供了赛题的样例代码,点击【查看样例】可以直接使用样例代码提交到免费GPU进行模型训练体验。
  • 方式二:本地调试模型并提交训练。请在"在线提交页"点击【下载代码】按钮将包含项目样例的资料包下载到本地,并使用本地开发环境进行代码调试。本地调试和提交指南请查看[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
  • 通过系统漏洞取得的比赛成绩无效,FlyAI有权撤回参赛者成绩
  • 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)
参与奖(总奖金20%) 所有人 根据基线得分与100分之间,分成5个奖金区间;不同得分区间获得相应的竞赛奖金。
突破奖(总奖金10%) 所有人 更新排行榜最高分数,获得相应的竞赛奖金
排名奖(总奖金70%) 月赛前5名 奖金发放最终以月为单位,前5名获奖占比以K系数表示,分别为:0.45,0.25,0.15,0.1,0.05
不同框架奖励 所有人 获得60FAI币用于GPU训练资源消耗

备注:

  • 上线时间:2019-11-02
  • 月排名奖结算时间:2019-12-2 15:00:00
  • 奖金获取标准:85<Score 按照得分比例获取奖金
  • 获得奖金分为3部分:参与奖、突破奖为审核完毕实时获取的奖金,排名奖需在规定时间结束后根据排名顺序获得
  • 排名奖发放完毕前5名参赛者需提供Markdown格式赛题解决思路(FlyAI提供模版)
  • Bouns表示为:奖金池总金额;Score表示为:模型得分;
  • 同一用户在参与奖中模型得分区间相同无法再次获得奖励
  • 各项奖金获得计算公式参考如下:
  • 参与奖(Participation Award)
  • R表示:得分的区间系数;T表示为:相同得分区间得分人数;
  • 100-标准分:分为5个区间系数;R1(0.02),R2(0.08),R3(0.15),R4(0.25),R5(0.5)
  • 奖金计算公式1
  • 突破奖(Prizes)
  • N表示:第N次更新排行榜;Prizes_N-1表示:排行榜更新后已发放的突破奖金
  • 奖金计算公式2
  • 排名奖(Ranking Award)
  • K表示:排行榜前5名的奖金分配系数,分别为:0.45,0.25,0.15,0.1,0.05;
  • 奖金计算公式3

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 图片路径
label string 不为空 类别

输入字段: image_path,

输出字段: label,

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processor.py中的数据处理。请仔细阅读右侧提交指南,使用FlyAI命令参与比赛。

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:小林子

9.00

batch数据为24,循环次数为35次,损失函数优化完,最终完成评分为98.6。

2019-11-15 17:33:25

9.00

98.60

第三名

提供者:一口大怪兽

163.38

batch数据为1,循环次数为30次,损失函数优化完,最终完成评分为98.5。

2019-11-15 12:42:30

163.38

98.50

第三名

提供者:emmm我还没想好

708.00

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为98.3。

2019-11-05 05:36:21

708.00

98.30

4

提供者:善假于物

13.41

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为98.3。

2019-11-14 01:18:51

13.41

98.30

5

提供者:cnn

batch数据为24,循环次数为200次,损失函数优化完,最终完成评分为98.1。

2019-11-16 17:36:58

98.10

6

提供者:Daiccccc

53.50

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为98。

2019-11-05 08:04:43

53.50

98.00

7

提供者:交差墒

1.17

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为98。

PyTorch

Desenet

2019-11-10 15:37:06

1.17

98.00

8

提供者:AMERICA

batch数据为50,循环次数为300次,损失函数优化完,最终完成评分为98。

2019-11-14 19:35:15

98.00

9

提供者:忘忧草892

14.07

batch数据为64,循环次数为39次,损失函数优化完,最终完成评分为97.9。

2019-11-03 20:06:25

14.07

97.90

10

提供者:天涯·明月·刀

18.75

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97.8。

2019-11-08 01:54:02

18.75

97.80

11

提供者:西北风

324.00

batch数据为32,循环次数为30次,损失函数优化完,最终完成评分为97.5。

2019-11-01 09:46:35

324.00

97.50

12

提供者:qi1572573667

batch数据为64,循环次数为80次,损失函数优化完,最终完成评分为97.3。

2019-11-16 20:53:45

97.30

13

提供者:呵了个呵。

batch数据为16,循环次数为50次,损失函数优化完,最终完成评分为97.2。

2019-11-07 19:13:49

97.20

14

提供者:zhr

batch数据为24,循环次数为3000次,损失函数优化完,最终完成评分为97.1。

2019-11-14 13:30:37

97.10

15

提供者:Honay, King

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97.1。

2019-11-15 15:44:06

97.10

16

提供者:Mengcius

5.34

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97。

2019-11-05 13:24:05

5.34

97.00

17

提供者:李黎明

batch数据为32,循环次数为32次,损失函数优化完,最终完成评分为97。

2019-11-15 17:17:15

97.00

18

提供者:batter

3.00

batch数据为4,循环次数为2次,损失函数优化完,最终完成评分为97。

2019-11-16 10:01:57

3.00

97.00

19

提供者:gboy

batch数据为1,循环次数为3000次,损失函数优化完,最终完成评分为96.9。

2019-11-16 03:04:51

96.90

20

提供者:流年相摧

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96.8。

2019-11-10 03:25:34

96.80

21

提供者:Zkk_hhh

12.00

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为96.7。

2019-11-10 00:40:59

12.00

96.70

22

提供者:malena

18.75

batch数据为1,循环次数为3000次,损失函数优化完,最终完成评分为96.2。

2019-11-06 00:24:26

18.75

96.20

23

提供者:Mr......

batch数据为28,循环次数为32次,损失函数优化完,最终完成评分为96.2。

2019-11-12 23:06:00

96.20

24

提供者:我吃定了这第一

batch数据为32,循环次数为3000次,损失函数优化完,最终完成评分为96.2。

2019-11-16 02:05:47

96.20

25

提供者:siaya

6.00

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96.1。

2019-11-14 13:23:18

6.00

96.10

26

提供者:Tk more tk less

batch数据为100,循环次数为100次,损失函数优化完,最终完成评分为95.9。

2019-11-15 18:23:40

95.90

27

提供者:LVgm

batch数据为32,循环次数为50次,损失函数优化完,最终完成评分为95.8。

2019-11-14 22:21:33

95.80

28

提供者:WYC

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95.6。

MXNet

ResNet

2019-11-15 13:07:26

95.60

29

提供者:D.N.A

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95.6。

2019-11-16 19:07:08

95.60

30

提供者:nice

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95.5。

2019-11-04 17:48:41

95.50

31

提供者:Wghost

1.17

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95.4。

2019-11-05 04:12:07

1.17

95.40

32

提供者:killf

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95.3。

2019-11-03 21:12:55

95.30

33

提供者:哈尔的移动城堡

batch数据为20,循环次数为32次,损失函数优化完,最终完成评分为95.3。

2019-11-13 03:13:29

95.30

34

提供者:chenfengshf

8.34

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94.9。

2019-11-02 22:36:16

8.34

94.90

35

提供者:sigmoid

batch数据为16,循环次数为10次,损失函数优化完,最终完成评分为94.8。

2019-11-05 04:13:47

94.80

36

提供者:Winteriscoming

127.50

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94.2。

2019-11-01 09:19:10

127.50

94.20

37

提供者:田海滨

5.63

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94.1。

2019-11-04 23:31:54

5.63

94.10

38

提供者:Nelson

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93.8。

2019-11-09 09:30:21

93.80

39

提供者:小房子

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93.7。

2019-11-13 21:35:37

93.70

40

提供者:希布

batch数据为128,循环次数为300次,损失函数优化完,最终完成评分为93.6。

2019-11-16 20:10:31

93.60

41

提供者:宇宙

26.81

batch数据为256,循环次数为150次,损失函数优化完,最终完成评分为93.4。

2019-11-02 12:15:22

26.81

93.40

42

提供者:他的国

batch数据为8,循环次数为50次,损失函数优化完,最终完成评分为92.5。

2019-11-14 16:21:54

92.50

43

提供者:满天彩

batch数据为32,循环次数为45次,损失函数优化完,最终完成评分为92.1。

2019-11-06 21:16:50

92.10

44

提供者:超爱喝酸奶

93.00

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为91.9。

2019-11-01 14:37:59

93.00

91.90

45

提供者:外星人

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91.9。

2019-11-14 13:29:27

91.90

46

提供者:clare

22.50

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91.7。

2019-11-01 15:36:54

22.50

91.70

47

提供者:208.

14.25

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91.5。

2019-11-03 10:44:48

14.25

91.50

48

提供者:领衔主演

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91.5。

2019-11-05 02:04:02

91.50

49

提供者:史开杰

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91.4。

2019-11-04 13:03:47

91.40

50

提供者:黄劲潮

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91.2。

2019-11-16 16:35:03

91.20

51

提供者:公门桃李争荣日

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90.9。

2019-11-14 21:23:53

90.90

52

提供者:黄花寒后难逢蝶

batch数据为16,循环次数为32次,损失函数优化完,最终完成评分为90.3。

2019-11-05 13:34:09

90.30

53

提供者:罗二

batch数据为32,循环次数为400次,损失函数优化完,最终完成评分为89.7。

2019-11-09 12:26:56

89.70

54

提供者:WF

batch数据为32,循环次数为150次,损失函数优化完,最终完成评分为89。

2019-11-17 01:59:00

89.00

55

提供者:佚

batch数据为64,循环次数为64次,损失函数优化完,最终完成评分为88.2。

Keras

ResNet50

2019-11-11 20:27:03

88.20

56

提供者:范晔

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88.1。

2019-11-07 11:41:18

88.10

57

提供者:陈鑫1569836074

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88。

2019-11-08 16:49:31

88.00

58

提供者:Vitto

batch数据为50,循环次数为40次,损失函数优化完,最终完成评分为87.8。

2019-11-15 17:34:14

87.80

59

提供者:Leong_Logan

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87.6。

2019-11-03 18:47:38

87.60

60

提供者:乐呵的太阳

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87.2。

2019-11-04 11:12:30

87.20

61

提供者:ccy

batch数据为32,循环次数为16次,损失函数优化完,最终完成评分为86.4。

2019-11-10 23:16:45

86.40

62

提供者:ON-looker

batch数据为200,循环次数为40次,损失函数优化完,最终完成评分为84.5。

2019-11-01 03:20:26

84.50

63

提供者:嘻嘻嘻哈哈

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84.5。

2019-11-12 12:59:20

84.50

64

提供者:wsure

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84。

2019-11-01 16:17:22

84.00

65

提供者:sakuranew

batch数据为32,循环次数为32次,损失函数优化完,最终完成评分为83.3。

2019-11-01 11:30:08

83.30

66

提供者:N丶

batch数据为64,循环次数为50次,损失函数优化完,最终完成评分为83.2。

2019-11-14 00:26:47

83.20

67

提供者:An

batch数据为64,循环次数为300次,损失函数优化完,最终完成评分为83.1。

2019-11-16 01:14:22

83.10

68

提供者:lzh

batch数据为64,循环次数为300次,损失函数优化完,最终完成评分为82.9。

2019-11-02 21:06:14

82.90

69

提供者:开拓者

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82.1。

2019-11-01 19:55:37

82.10

70

提供者:geeker

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为79.3。

2019-11-07 14:51:30

79.30

71

提供者:阿虚

batch数据为128,循环次数为400次,损失函数优化完,最终完成评分为79。

2019-11-05 18:47:33

79.00

72

提供者:天天向上

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77.3。

2019-11-15 14:01:58

77.30

73

提供者:a554142589

batch数据为32,循环次数为5000次,损失函数优化完,最终完成评分为77.2。

2019-11-06 14:02:59

77.20

74

提供者:搬砖的长工

batch数据为32,循环次数为30次,损失函数优化完,最终完成评分为76.3。

2019-11-05 00:49:14

76.30

75

提供者:美式半糖不加奶

batch数据为64,循环次数为400次,损失函数优化完,最终完成评分为76.1。

2019-11-02 07:42:57

76.10

76

提供者:deyiwang

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73.6。

2019-11-13 00:16:14

73.60

77

提供者:VicCao

batch数据为32,循环次数为50次,损失函数优化完,最终完成评分为73.1。

2019-11-14 16:21:59

73.10

78

提供者:陆先生。

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72.5。

2019-11-01 11:03:58

72.50

79

提供者:DG

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72.5。

2019-11-17 02:53:46

72.50

80

提供者:The end.终结

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70.6。

2019-11-01 17:57:13

70.60

81

提供者:会飞的猪

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69.8。

2019-11-15 10:27:33

69.80

82

提供者:Mr.Stone

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69.6。

2019-11-07 13:41:32

69.60

83

提供者:张文虎

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69.3。

2019-11-01 10:22:09

69.30

84

提供者:友情小爪

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68.3。

2019-11-04 02:25:10

68.30

85

提供者:释然

batch数据为24,循环次数为100次,损失函数优化完,最终完成评分为67.6。

2019-11-08 05:50:16

67.60

86

提供者:hpd

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66.4。

2019-11-12 12:28:39

66.40

87

提供者:zozo

batch数据为8,循环次数为1次,损失函数优化完,最终完成评分为65.2。

2019-11-17 01:44:39

65.20

88

提供者:马鹏程

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65.1。

2019-11-02 10:04:07

65.10

89

提供者:LonglongaaaGo

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64.7。

2019-11-04 05:22:12

64.70

90

提供者:persue

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64.2。

2019-11-05 09:12:32

64.20

91

提供者:hpo3

batch数据为16,循环次数为500次,损失函数优化完,最终完成评分为63.8。

2019-11-10 15:44:23

63.80

92

提供者:who

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62.9。

2019-11-05 14:08:39

62.90

93

提供者:深浅

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62。

2019-11-01 16:54:02

62.00

94

提供者:風

batch数据为24,循环次数为400次,损失函数优化完,最终完成评分为61.8。

2019-11-01 11:50:01

61.80

95

提供者:阿丁丁

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54.9。

2019-11-02 07:57:05

54.90

96

提供者:旖旎εїз

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54.5。

2019-11-03 13:32:53

54.50

97

提供者:King_HAW

batch数据为24,循环次数为100次,损失函数优化完,最终完成评分为52.3。

2019-11-12 13:04:24

52.30

98

提供者:Stacey

batch数据为100,循环次数为150次,损失函数优化完,最终完成评分为51。

2019-11-06 00:22:02

51.00

99

提供者:青松

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50.7。

2019-11-15 14:26:17

50.70

100

提供者:foxerlee

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47.3。

2019-11-02 08:52:17

47.30

101

提供者:*猫

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45.4。

2019-11-03 18:43:59

45.40

102

提供者:weidong

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32.1。

2019-11-10 05:57:11

32.10

103

提供者:alenweiru

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31。

2019-11-01 15:18:18

31.00

104

提供者:Gypsophila

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30.3。

2019-11-08 19:33:28

30.30

105

提供者:deny96

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29.7。

2019-11-03 00:30:57

29.70

106

提供者:哈哈哈哈哈哈哈

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29.2。

2019-11-12 18:02:22

29.20

107

提供者:阿铭

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29.2。

2019-11-14 20:38:17

29.20

108

提供者:Lonely leaf

batch数据为64,循环次数为50次,损失函数优化完,最终完成评分为26.5。

2019-11-03 07:39:55

26.50

109

提供者:Xin Yao

batch数据为32,循环次数为30次,损失函数优化完,最终完成评分为25.9。

2019-11-02 18:45:29

25.90

110

提供者:侠

batch数据为32,循环次数为32次,损失函数优化完,最终完成评分为25.3。

2019-11-05 19:35:39

25.30

111

提供者:dodo

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23.8。

2019-11-15 15:07:07

23.80

112

提供者:blackx1562937090

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20.1。

2019-11-01 10:58:35

20.10

113

提供者:kk很沉默

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19.8。

2019-11-12 12:14:48

19.80

114

提供者:Jeremy

batch数据为64,循环次数为10次,损失函数优化完,最终完成评分为16.9。

2019-10-31 20:27:13

16.90

115

提供者:梦幻1573026384

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15.7。

2019-11-06 21:43:43

15.70

116

提供者:作业借我抄

batch数据为30,循环次数为32次,损失函数优化完,最终完成评分为14.4。

2019-11-14 13:42:07

14.40

117

提供者:lingxi396

batch数据为16,循环次数为25次,损失函数优化完,最终完成评分为13.5。

2019-11-02 08:39:40

13.50

118

提供者:for three

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13.5。

2019-11-06 23:28:14

13.50

119

提供者:jiao_xd17

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13.3。

2019-10-31 22:51:48

13.30

120

提供者:10点睡7点起

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11.7。

2019-11-13 21:41:46

11.70

121

提供者:歡喜先生

batch数据为64,循环次数为3次,损失函数优化完,最终完成评分为11.4。

2019-11-14 10:41:49

11.40

2019-11-15
小林子

模型得分为98.6,本次获得实时奖励奖金为4

2019-11-15 18:59:27

小林子

模型得分为98.6,本次获得实时奖励奖金为4

2019-11-15 18:59:25

小林子

模型得分为98.6,本次获得实时奖励奖金为4

2019-11-15 18:59:21

2019-11-14
小林子

模型得分为98.5,本次获得实时奖励奖金为5

2019-11-14 22:05:08

小林子

模型得分为98.5,本次获得实时奖励奖金为5

2019-11-14 22:05:07

小林子

模型得分为98.5,本次获得实时奖励奖金为5

2019-11-14 22:05:04

2019-11-11
一口大怪兽

模型得分为98.4,本次获得实时奖励奖金为4

2019-11-11 10:38:16

一口大怪兽

模型得分为98.4,本次获得实时奖励奖金为4

2019-11-11 10:38:13

一口大怪兽

模型得分为98.4,本次获得实时奖励奖金为4

2019-11-11 10:38:10

2019-11-07
交差墒

模型得分为97.2,本次获得实时奖励奖金为1.17

2019-11-07 10:34:36

2019-11-06
Mengcius

模型得分为97,本次获得实时奖励奖金为2.34

2019-11-06 11:26:58

2019-11-05
emmm我还没想好

模型得分为98.3,本次获得实时奖励奖金为17

2019-11-05 11:01:18

emmm我还没想好

模型得分为98.3,本次获得实时奖励奖金为17

2019-11-05 11:01:15

2019-11-04
Mengcius

模型得分为89.6,本次获得实时奖励奖金为1.5

2019-11-04 11:18:29

忘忧草892

模型得分为97.9,本次获得实时奖励奖金为9.38

2019-11-04 11:17:01

天涯·明月·刀

模型得分为97.2,本次获得实时奖励奖金为18.75

2019-11-04 11:15:42

batter

模型得分为88.6,本次获得实时奖励奖金为3

2019-11-04 11:13:00

Wghost

模型得分为94.6,本次获得实时奖励奖金为1.17

2019-11-04 11:09:08

Daiccccc

模型得分为97.9,本次获得实时奖励奖金为53.5

2019-11-04 11:08:15

Mengcius

模型得分为87.9,本次获得实时奖励奖金为1.5

2019-11-04 11:06:36

善假于物

模型得分为92.7,本次获得实时奖励奖金为1.41

2019-11-04 11:06:16

siaya

模型得分为90.4,本次获得实时奖励奖金为6

2019-11-04 11:06:02

emmm我还没想好

模型得分为97.2,本次获得实时奖励奖金为75

2019-11-04 11:02:23

宇宙

模型得分为93.4,本次获得实时奖励奖金为2.81

2019-11-04 10:57:46

田海滨

模型得分为91.3,本次获得实时奖励奖金为5.63

2019-11-04 10:57:38

siaya

模型得分为86.2,本次获得实时奖励奖金为1.5

2019-11-04 10:56:34

208.

模型得分为91.2,本次获得实时奖励奖金为11.25

2019-11-04 10:56:26

chenfengshf

模型得分为94.8,本次获得实时奖励奖金为2.34

2019-11-04 10:56:12

208.

模型得分为85.9,本次获得实时奖励奖金为3

2019-11-04 10:56:03

忘忧草892

模型得分为96.8,本次获得实时奖励奖金为4.69

2019-11-04 10:55:55

一口大怪兽

模型得分为97.2,本次获得实时奖励奖金为150

2019-11-04 10:54:33

Zkk_hhh

模型得分为90.1,本次获得实时奖励奖金为12

2019-11-04 10:52:47

chenfengshf

模型得分为87.2,本次获得实时奖励奖金为6

2019-11-04 10:52:40

一口大怪兽

模型得分为96.9,本次获得实时奖励奖金为9.38

2019-11-04 10:52:16

malena

模型得分为94.9,本次获得实时奖励奖金为18.75

2019-11-04 10:50:58

clare

模型得分为91.7,本次获得实时奖励奖金为22.5

2019-11-04 10:47:43

宇宙

模型得分为88.2,本次获得实时奖励奖金为24

2019-11-04 10:47:33

超爱喝酸奶

模型得分为91.9,本次获得实时奖励奖金为45

2019-11-04 10:47:23

善假于物

模型得分为86.6,本次获得实时奖励奖金为12

2019-11-04 10:46:43

2019-11-01
超爱喝酸奶

模型得分为88.8,本次获得实时奖励奖金为48

2019-11-01 11:53:41

西北风

模型得分为97.5,本次获得实时奖励奖金为324

2019-11-01 11:53:36

Winteriscoming

模型得分为94.2,本次获得实时奖励奖金为37.5

2019-11-01 11:49:14

Winteriscoming

模型得分为92.2,本次获得实时奖励奖金为90

2019-11-01 11:48:20

emmm我还没想好

模型得分为96.9,本次获得实时奖励奖金为54

2019-11-01 11:48:12

emmm我还没想好

模型得分为95.4,本次获得实时奖励奖金为562

2019-11-01 11:48:07

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 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.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.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 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