猫狗大战,开始分类一决胜负!

分享给好友

剩余奖金 ¥ 14

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

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

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:2019-04-25
  • 周排行奖结算时间:2019-05-02 15:00:00;月排名奖结算时间:2019-05-25 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
  • 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

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,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 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

输入字段: image_path,

输出字段: label,

参考文献:

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

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:=

67.09

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为100。

2019-05-13 17:17:41

67.09

100.00

第三名

提供者:gboy

103.00

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99.5。

2019-04-28 10:57:44

103.00

99.50

第三名

提供者:兔子是菜鸟

83.13

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99.48。

2019-04-29 01:55:43

83.13

99.48

4

提供者:yangsmile

43.75

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99.38。

2019-05-01 23:39:37

43.75

99.38

5

提供者:dtrimina

batch数据为256,循环次数为40次,损失函数优化完,最终完成评分为99.22。

2019-08-06 00:15:57

99.22

6

提供者:.co

21.75

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99.14。

2019-04-26 00:07:13

21.75

99.14

7

提供者:淋雨

21.09

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98.24。

PyTorch

DenseNet121

2019-04-28 04:46:25

21.09

98.24

8

提供者:Jachin Liu

1.17

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97.84。

PyTorch

Resnet34

2019-06-05 15:48:45

1.17

97.84

9

提供者:ChangeBio

2.34

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97.72。

Pretrained

DenseNet

2019-04-28 22:38:28

2.34

97.72

10

提供者:恋旧却念旧

9.38

batch数据为128,循环次数为5000次,损失函数优化完,最终完成评分为96.44。

2019-04-26 02:33:16

9.38

96.44

11

提供者:begins

5.63

batch数据为64,循环次数为1888次,损失函数优化完,最终完成评分为95.78。

2019-04-30 10:26:38

5.63

95.78

12

提供者:哦哦

batch数据为64,循环次数为4000次,损失函数优化完,最终完成评分为84.8。

2019-04-26 10:22:01

84.80

13

提供者:从小跑开始

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84.46。

2019-05-08 03:22:47

84.46

14

提供者:富强民主文明和谐

batch数据为128,循环次数为1000次,损失函数优化完,最终完成评分为83.66。

2019-08-07 11:43:09

83.66

15

提供者:Zuolong

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76.88。

2019-09-05 18:18:15

76.88

16

提供者:YJH1996

batch数据为256,循环次数为100次,损失函数优化完,最终完成评分为61.54。

2019-05-08 10:24:44

61.54

17

提供者:Jeremy

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52.94。

2019-09-15 20:30:27

52.94

18

提供者:Gifford

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51.78。

2019-04-29 15:40:59

51.78

19

提供者:Lcxiang3

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51.68。

2019-05-05 10:14:22

51.68

20

提供者:sw2009

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50.56。

2019-05-11 22:47:54

50.56

21

提供者:许小象

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50.52。

2019-04-26 14:35:19

50.52

22

提供者:纶巾

batch数据为128,循环次数为200次,损失函数优化完,最终完成评分为50.5。

2019-05-21 20:56:54

50.50

23

提供者:丅丄

batch数据为128,循环次数为10次,损失函数优化完,最终完成评分为50.38。

2019-09-05 09:26:41

50.38

24

提供者:I admit myself

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50.36。

2019-05-09 22:56:55

50.36

25

提供者:zhiduanqingchang

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50.34。

2019-04-26 17:27:07

50.34

26

提供者:啊肉

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50.34。

2019-04-28 21:01:43

50.34

27

提供者:hello80

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50.34。

2019-05-01 00:54:45

50.34

28

提供者:飓风神龙

batch数据为32,循环次数为40次,损失函数优化完,最终完成评分为50.34。

TensorFlow

resnet_v2_101

2019-05-01 18:33:50

50.34

29

提供者:Jason

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50.34。

2019-05-07 19:46:22

50.34

30

提供者:Jason4521

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50.34。

2019-05-09 00:26:48

50.34

31

提供者:Carol

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50.34。

2019-05-10 16:12:18

50.34

32

提供者:zero

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50.34。

2019-08-24 14:41:46

50.34

33

提供者:傲寒

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50.34。

2019-09-11 02:27:39

50.34

34

提供者:Vertigo1558001729

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50.18。

2019-05-20 15:02:30

50.18

35

提供者:凉心半浅良心人

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49.66。

2019-05-12 00:47:37

49.66

36

提供者:个丝得啊~

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49.66。

2019-10-12 01:56:29

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
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

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

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

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