猫狗大战,开始分类一决胜负!

分享给好友

2019-04-25 17:46:40
开始提交

2019-05-25 17:46:40
最终提交结束

自由训练

剩余奖金 ¥ 14
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
  • 奖金记录
  • 讨论($vue{comment_count})
  • 学习资源

$vue{item.rank_name}

大赛简介

该数据有猫和狗两类图片,一共有25000张图片,猫狗各占一半,可以用来做图片分类的入门数据。

参赛须知

参赛时间: 本次竞赛无时间限制,长期有效开放

参赛方式

  • 下载FlyAI样例模版进行本地调试并提交到云端使用免费GPU进行模型训练获得最终成绩得分。

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

  • 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
  • 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
  • 多开小号报名、提交,一经发现将取消参赛资格
  • 禁止使用外部链接下载代码替换本项目代码
  • 比赛过程中,通过脚本获取比赛数据,成绩无效
  • 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
  • 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
  • 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
  • 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

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

DogAndCat0

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 file_path 不为空 图片的相对路径
type int 不为空 图片对应的类别
label int 大于等于 0, 小于等于 1 图片的标注标签

参考文献:

[1]https://www.kaggle.com/c/dogs-vs-cats

评审标准

算法输入输出格式

输入字段: image_path,

输出字段: label,

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等。

Q:怎么参加比赛,需不需要提交CSV文件?

  • FlyAI竞赛平台提供免费云端GPU资源,报名后可以使用自己熟练的框架,修改main.py中的网络结构和processor.py中的数据处理;仅部分赛题支持CSV方式提交,请仔细阅读参赛方式相关内容。

Q:比赛排行榜分数怎么得到的?

  • 参加项目竞赛必须实现prediction.py中的load_model和predict方法。系统使用这些方法评估模型算出评分。
超过 90分 的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

=

67.09

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为100.00。

2019-05-13 17:17:41

67.09

100.00

第三名

gboy

103.00

batch数据为64,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99.50。

2019-04-28 10:57:44

103.00

99.50

第三名

兔子是菜鸟

83.13

batch数据为64,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99.48。

2019-04-29 01:55:43

83.13

99.48

4

yangsmile

43.75

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99.38。

2019-05-01 23:39:37

43.75

99.38

5

dtrimina

batch数据为256,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99.22。

2019-08-06 00:15:57

99.22

6

.co

21.75

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为99.14。

2019-04-26 00:07:13

21.75

99.14

7

淋雨

21.09

batch数据为64,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98.24。

2019-04-28 04:46:25

21.09

98.24

8

Jachin Liu

1.17

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为97.84。

2019-06-05 15:48:45

1.17

97.84

9

ChangeBio

2.34

batch数据为128,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97.72。

2019-04-28 22:38:28

2.34

97.72

10

远哥哥

batch数据为128,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96.50。

2020-03-15 16:21:58

96.50

11

恋旧却念旧

9.38

batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为96.44。

2019-04-26 02:33:16

9.38

96.44

12

命运.

batch数据为1000,循环次数为64次,通过在线上环境完成训练,模型最优精度评分为96.44。

2019-08-02 21:47:16

96.44

13

文凯

batch数据为500,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96.44。

2019-08-03 10:50:07

96.44

14

飞哥与小佛

batch数据为500,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为96.44。

2019-08-04 09:25:35

96.44

15

jpq123

batch数据为500,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96.44。

2019-08-06 14:23:48

96.44

16

ashergaga

batch数据为50,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96.44。

2019-08-07 15:59:11

96.44

17

candyriver

batch数据为32,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96.44。

2019-08-11 18:30:13

96.44

18

oh la la

batch数据为500,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96.44。

2019-08-12 10:00:30

96.44

19

py_yi

batch数据为500,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96.44。

2019-08-14 13:10:29

96.44

20

batch数据为100,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96.44。

2019-08-15 20:03:24

96.44

21

Zuolong

batch数据为128,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96.44。

2019-09-04 22:06:25

96.44

22

傲寒

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96.44。

2019-09-10 14:28:49

96.44

23

步沧

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96.44。

2019-09-10 21:55:28

96.44

24

Lune

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96.44。

2019-09-13 15:31:40

96.44

25

chk爱酸奶

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96.44。

2019-09-13 18:06:39

96.44

26

Jeremy

batch数据为64,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96.44。

2019-09-14 17:53:28

96.44

27

谁能凭爱意要富士山私有

batch数据为500,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为96.44。

2019-09-22 16:42:55

96.44

28

Mr curiosity

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96.44。

2019-09-24 15:29:56

96.44

29

小郭儿

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96.44。

96.44

30

heihei

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96.44。

2019-09-26 21:30:50

96.44

31

宏峰

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96.44。

2019-09-28 22:00:08

96.44

32

TL

batch数据为128,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96.44。

2019-10-06 09:21:35

96.44

33

DM_NUDT_2019_追寻

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96.44。

2019-10-29 20:23:18

96.44

34

ssatcc

batch数据为64,循环次数为900次,通过在线上环境完成训练,模型最优精度评分为96.44。

2019-10-30 21:33:46

96.44

35

LVgm

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96.44。

2019-10-30 21:53:08

96.44

36

MJZ_98

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96.44。

2019-11-05 19:05:08

96.44

37

顺子

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为96.44。

2019-11-05 21:44:03

96.44

38

rui123

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96.44。

2019-11-07 21:22:38

96.44

39

clayne

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96.44。

2019-11-11 13:04:41

96.44

40

听雪夜阁

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96.44。

2019-11-19 17:37:21

96.44

41

Mr.one

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96.44。

2019-11-21 01:12:29

96.44

42

仓颉

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96.44。

2019-11-25 09:49:24

96.44

43

李渊

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96.44。

2019-12-04 14:41:58

96.44

44

defense

batch数据为64,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96.44。

2019-12-04 22:28:23

96.44

45

YXS

batch数据为72,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96.44。

2019-12-05 16:18:24

96.44

46

xxl

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96.44。

2019-12-18 09:53:13

96.44

47

flyai会员1578123244

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96.44。

96.44

48

flyai会员1578450905

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96.44。

2020-01-08 10:38:39

96.44

49

玖耿

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96.44。

2020-01-16 14:20:53

96.44

50

世界和平。

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96.44。

2020-01-20 14:57:55

96.44

51

Kelsey

batch数据为32,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96.44。

2020-01-26 11:18:11

96.44

52

小绵绵

batch数据为64,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96.44。

2020-01-28 23:51:51

96.44

53

Ashbringer

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96.44。

2020-02-19 21:25:05

96.44

54

andrew noah

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96.44。

2020-03-04 19:52:23

96.44

55

jasonpete

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96.44。

2020-03-05 10:35:05

96.44

56

心有林夕

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96.44。

2020-03-08 20:24:26

96.44

57

萌新小白

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96.44。

2020-05-11 23:53:41

96.44

58

flyai会员1589190524

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96.44。

2020-05-12 12:23:07

96.44

59

充电宝罢工了

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96.44。

2020-05-31 16:49:17

96.44

60

znce

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96.44。

2020-08-30 09:53:05

96.44

61

AugustQi

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96.44。

2020-09-21 09:18:59

96.44

62

Thutmose III

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96.44。

2020-10-15 21:18:29

96.44

63

奔跑的小蜗牛

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96.44。

2020-11-23 21:27:41

96.44

64

begins

5.63

batch数据为64,循环次数为1888次,通过在线上环境完成训练,模型最优精度评分为95.78。

2019-04-30 10:26:38

5.63

95.78

65

哦哦

batch数据为64,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为84.80。

2019-04-26 10:22:01

84.80

66

从小跑开始

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为84.46。

2019-05-08 03:22:47

84.46

67

富强民主文明和谐

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为83.66。

2019-08-07 11:43:09

83.66

68

YJH1996

batch数据为256,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61.54。

2019-05-08 10:24:44

61.54

69

Gifford

batch数据为64,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为51.78。

2019-04-29 15:40:59

51.78

70

Lcxiang3

batch数据为32,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51.68。

2019-05-05 10:14:22

51.68

71

sw2009

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50.56。

2019-05-11 22:47:54

50.56

72

许小象

batch数据为32,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50.52。

2019-04-26 14:35:19

50.52

73

纶巾

batch数据为128,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为50.50。

2019-05-21 20:56:54

50.50

74

丅丄

batch数据为128,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50.38。

2019-09-05 09:26:41

50.38

75

I admit myself

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50.36。

2019-05-09 22:56:55

50.36

76

zhiduanqingchang

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为50.34。

2019-04-26 17:27:07

50.34

77

啊肉

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为50.34。

2019-04-28 21:01:43

50.34

78

hello80

batch数据为32,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50.34。

2019-05-01 00:54:45

50.34

79

飓风神龙

batch数据为32,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50.34。

2019-05-01 18:33:50

50.34

80

Jason

batch数据为32,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50.34。

2019-05-07 19:46:22

50.34

81

Jason4521

batch数据为32,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50.34。

2019-05-09 00:26:48

50.34

82

Carol

batch数据为32,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50.34。

2019-05-10 16:12:18

50.34

83

zero

batch数据为16,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50.34。

2019-08-24 14:41:46

50.34

84

东临天下

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50.34。

2019-12-18 14:38:23

50.34

85

Vertigo1558001729

batch数据为32,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50.18。

2019-05-20 15:02:30

50.18

86

idea1566464646

batch数据为128,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49.74。

2020-03-20 15:31:50

49.74

87

凉心半浅良心人

batch数据为64,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49.66。

2019-05-12 00:47:37

49.66

88

个丝得啊~

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49.66。

2019-10-12 01:56:29

49.66

89

HYX

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49.66。

2020-01-17 05:45:06

49.66

2019-06-06
Jachin Liu

模型得分为97.84,本次获得实时奖励奖金为1.17

2019-06-06 10:48:38

2019-05-25
兔子是菜鸟

模型得分为99.48,本次获得排名奖奖金为25

2019-05-25 15:00:02

gboy

模型得分为99.5,本次获得排名奖奖金为37.5

2019-05-25 15:00:02

=

模型得分为100,本次获得排名奖奖金为62.5

2019-05-25 15:00:02

2019-05-14
=

模型得分为100,本次获得实时奖励奖金为4.59

2019-05-14 14:04:38

2019-05-06
yangsmile

模型得分为99.38,本次获得排名奖奖金为25

2019-05-06 15:00:03

gboy

模型得分为99.5,本次获得排名奖奖金为62.5

2019-05-06 15:00:03

兔子是菜鸟

模型得分为99.48,本次获得排名奖奖金为37.5

2019-05-06 15:00:03

2019-04-29
ChangeBio

模型得分为97.72,本次获得实时奖励奖金为2.34

2019-04-29 10:43:48

2019-04-28
gboy

模型得分为99.5,本次获得实时奖励奖金为1

2019-04-28 12:48:40

淋雨

模型得分为98.24,本次获得实时奖励奖金为2.34

2019-04-28 12:48:32

兔子是菜鸟

模型得分为98.64,本次获得实时奖励奖金为4.69

2019-04-28 12:48:28

gboy

模型得分为99.3,本次获得实时奖励奖金为2

2019-04-28 12:48:23

兔子是菜鸟

模型得分为97.66,本次获得实时奖励奖金为4.69

2019-04-28 12:48:15

begins

模型得分为95.7,本次获得实时奖励奖金为5.63

2019-04-28 12:48:10

yangsmile

模型得分为98.7,本次获得实时奖励奖金为18.75

2019-04-28 12:47:57

2019-04-26
兔子是菜鸟

模型得分为94,本次获得实时奖励奖金为11.25

2019-04-26 13:34:38

恋旧却念旧

模型得分为96.44,本次获得实时奖励奖金为9.38

2019-04-26 10:34:48

淋雨

模型得分为96.98,本次获得实时奖励奖金为18.75

2019-04-26 10:34:45

.co

模型得分为99.14,本次获得实时奖励奖金为21.75

2019-04-26 10:34:33

gboy

模型得分为98.62,本次获得实时奖励奖金为127.5

2019-04-26 10:34:23

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。