社交网站消息内容分类

分享给好友

剩余奖金 ¥ 1,303

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

此数据集包含超过10000条社交平台Twitter上的推文,其中包括对一些'着火'、'隔离'、'混乱'等关键词的搜索,判断推文内容是否涉及灾难性的事件(这里排除对一些文字、电影评论或者非灾难事件等开玩笑的内容)。

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30%) 所有人 不同得分区间获得相应的竞赛奖金
突破奖(总奖金20%) 所有人 更新排行榜得分,获取相应竞赛奖金
排名奖(总奖金50%) 第一周/月前3名(冠、亚、季军) 项目上线第一周、第一个月; Time_P(周) = 0.5,Time_P(月) = 0.5;K1=0.5,K2=0.3,K3=0.2;
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:2019-06-21
  • 周排行奖结算时间:2019-06-28 15:00:00;月排名奖结算时间:2019-07-21 15:00:00
  • 奖金获取标准:90<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
  • Bouns表示为:奖金池总金额;Score表示为:模型得分;
  • 【参与奖】相同得分区间无法再次获得奖励
  • 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)
  • Time_p表示:相关截止日期的奖金发放系数;K表示:每次发放排行榜前三名的分配系数;
  • 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!

数据来源

DisasterDet

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
text string 不为空 文本
label int 大于等于 0, 小于等于 1 分类标签

输入字段: text,

输出字段: label,

参考文献:

[1]Figure Eight

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:malena

468.75

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94.67。

2019-07-01 12:26:11

468.75

94.67

第三名

提供者:NLP-Learner

730.50

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90.4。

2019-06-28 08:52:34

730.50

90.40

第三名

提供者:凉心半浅良心人

batch数据为32,循环次数为3次,损失函数优化完,最终完成评分为85.02。

2019-06-21 20:22:49

85.02

4

提供者:未名湖畔的落叶

batch数据为128,循环次数为5次,损失函数优化完,最终完成评分为84.38。

2019-06-21 16:54:55

84.38

5

提供者:sakuranew

batch数据为16,循环次数为44次,损失函数优化完,最终完成评分为84.24。

2019-06-21 20:00:48

84.24

6

提供者:AiFool

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83.27。

2019-07-02 21:18:58

83.27

7

提供者:麦小杨

batch数据为16,循环次数为300次,损失函数优化完,最终完成评分为83.18。

PyTorch

TextCNN

2019-06-25 23:44:56

83.18

8

提供者:yphacker

batch数据为32,循环次数为8次,损失函数优化完,最终完成评分为82.86。

2019-09-03 04:35:06

82.86

9

提供者:ChangeBio

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82.72。

2019-06-24 16:50:06

82.72

10

提供者:我吃定了这第一

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81.89。

2019-06-22 15:15:39

81.89

11

提供者:gboy

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81.76。

2019-06-28 16:10:40

81.76

12

提供者:P@tricK

batch数据为64,循环次数为8次,损失函数优化完,最终完成评分为81.62。

2019-08-07 15:10:36

81.62

13

提供者:瞻彼淇奥

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81.57。

2019-07-17 23:32:01

81.57

14

提供者:guoyilin

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80.74。

2019-07-19 22:31:02

80.74

15

提供者:learnFromBest

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80.51。

2019-07-17 20:41:12

80.51

16

提供者:岭南水电工

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80.19。

torch

BERT

2019-07-10 20:22:29

80.19

17

提供者:chenfengshf

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79.6。

PaddlePaddle

erine

2019-10-21 11:34:25

79.60

18

提供者:✿ 蒋小米要fighting✿

batch数据为32,循环次数为1次,损失函数优化完,最终完成评分为79.37。

2019-06-21 19:12:41

79.37

19

提供者:chyang

batch数据为128,循环次数为2次,损失函数优化完,最终完成评分为79.04。

2019-06-22 16:06:54

79.04

20

提供者:Xin Yao

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78.77。

2019-07-14 15:03:23

78.77

21

提供者:zhr

batch数据为1024,循环次数为500次,损失函数优化完,最终完成评分为78.58。

2019-06-21 18:38:41

78.58

22

提供者:玖月初识

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78.35。

2019-08-09 19:56:52

78.35

23

提供者:zhiduanqingchang

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78.26。

2019-08-05 12:19:10

78.26

24

提供者:sishiwu

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77.9。

2019-11-13 16:14:04

77.90

25

提供者:nlp-ygq

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77.53。

2019-07-22 14:47:17

77.53

26

提供者:assassination

batch数据为500,循环次数为15次,损失函数优化完,最终完成评分为77.44。

2019-10-11 15:45:21

77.44

27

提供者:灵翼侠

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76.52。

2019-07-20 10:29:35

76.52

28

提供者:Learning

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76.47。

2019-07-02 23:09:16

76.47

29

提供者:linlh

batch数据为1024,循环次数为20次,损失函数优化完,最终完成评分为76.42。

2019-07-16 02:39:31

76.42

30

提供者:?..

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76.24。

2019-06-21 23:18:45

76.24

31

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75.87。

2019-06-24 10:50:53

75.87

32

提供者:Frodo_X

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73.85。

2019-06-26 17:04:40

73.85

33

提供者:Jeremy

batch数据为128,循环次数为3次,损失函数优化完,最终完成评分为66.54。

2019-10-14 10:27:43

66.54

34

提供者:sblyx

batch数据为512,循环次数为100次,损失函数优化完,最终完成评分为58.5。

2019-06-21 20:55:34

58.50

35

提供者:Blue

batch数据为256,循环次数为2次,损失函数优化完,最终完成评分为41.41。

2019-07-11 17:55:40

41.41

36

提供者:ykdsir

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29.73。

2019-07-12 12:00:46

29.73

2019-07-21
malena

模型得分为94.67,本次获得排名奖奖金为312.5

2019-07-21 15:00:01

NLP-Learner

模型得分为90.4,本次获得排名奖奖金为187.5

2019-07-21 15:00:01

2019-07-02
malena

模型得分为94.67,本次获得实时奖励奖金为156.25

2019-07-02 10:30:01

2019-06-28
NLP-Learner

模型得分为90.4,本次获得排名奖奖金为312.5

2019-06-28 15:00:01

NLP-Learner

模型得分为90.4,本次获得实时奖励奖金为230.5

2019-06-28 12:04:00

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.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