升级版MNIST手写数字识别练习赛

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

Fashion-MNIST是一个替代MNIST手写数字集的图像数据集。 它是由Zalando(一家德国的时尚科技公司)旗下的研究部门提供。其涵盖了来自10种类别的共7万个不同商品的正面图片。Fashion-MNIST的大小、格式和训练集/测试集划分与原始的MNIST完全一致。60000/10000的训练测试数据划分,28x28的灰度图片。

赛事主题和数据说明

赛题描述

通过迭代自己的算法模型并提交训练,获取奖金池高额奖金。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

FashionMNIST

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 图片的相对路径
name int 不为空 图片上对应的服装
label float 大于等于 0, 小于等于 9 图片的标注标签

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:

展开

  • 竞赛排行榜
  • 自由练习榜单
第三名

提供者:cnn

大神经验
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92.64。

2019-06-18 15:40:41

92.64

大神经验
第三名

提供者:大佬们带带我

大神经验
batch数据为1024,循环次数为200次,损失函数优化完,最终完成评分为92.36。

2019-06-21 20:39:58

92.36

大神经验
第三名

提供者:sw2009

大神经验
batch数据为512,循环次数为1000次,损失函数优化完,最终完成评分为91.94。

2019-05-25 10:39:33

91.94

大神经验
4

提供者:脸红的思春期

大神经验
batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为90.89。

2019-07-10 12:18:18

90.89

大神经验
5

提供者:y轴

大神经验
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90.68。

2019-06-09 12:54:35

90.68

大神经验
6

提供者:火炎焱燚

大神经验
batch数据为32,循环次数为4000次,损失函数优化完,最终完成评分为90.63。

2019-04-15 13:07:27

90.63

大神经验
7

提供者:kongd

大神经验
batch数据为64,循环次数为9000次,损失函数优化完,最终完成评分为90.16。

2019-04-02 23:31:35

90.16

大神经验
8

提供者:Winteriscoming

暂未公开
batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为89.89。

2019-04-02 21:59:51

89.89

暂未公开
9

提供者:anticlockwise

暂未公开
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89.06。

2019-08-06 21:35:35

89.06

暂未公开
10

提供者:LALALALALALA

暂未公开
batch数据为32,循环次数为10000次,损失函数优化完,最终完成评分为88.9。

2019-03-29 23:23:51

88.90

暂未公开
11

提供者:fly

暂未公开
batch数据为50,循环次数为10000次,损失函数优化完,最终完成评分为88.68。

2019-03-19 11:18:32

88.68

暂未公开
12

提供者:亚豪

暂未公开
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88.5。

2019-05-26 14:27:20

88.50

暂未公开
13

提供者:YyyY

暂未公开
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88.05。

2019-05-12 18:05:10

88.05

暂未公开
14

提供者:hahlw

暂未公开
batch数据为100,循环次数为64次,损失函数优化完,最终完成评分为87.97。

2019-06-21 17:16:45

87.97

暂未公开
15

提供者:Blueyee

暂未公开
batch数据为64,循环次数为5000次,损失函数优化完,最终完成评分为87.49。

2019-06-06 12:11:17

87.49

暂未公开
16

提供者:啸

暂未公开
batch数据为256,循环次数为3000次,损失函数优化完,最终完成评分为85.99。

2019-07-08 17:08:29

85.99

暂未公开
17

提供者:DDBG

暂未公开
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85.94。

2019-03-19 17:30:08

85.94

暂未公开
18

提供者:做自己的唯一

暂未公开
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85.69。

2019-08-01 20:22:56

85.69

暂未公开
19

提供者:凡士林

暂未公开
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85.04。

2019-03-18 13:35:41

85.04

暂未公开
20

提供者:Hnecl

暂未公开
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84.55。

2019-03-26 13:20:01

84.55

暂未公开
21

提供者:笑尘

暂未公开
batch数据为256,循环次数为400次,损失函数优化完,最终完成评分为84.18。

2019-03-18 22:04:45

84.18

暂未公开
22

提供者:春眠不觉晓

暂未公开
batch数据为500,循环次数为100次,损失函数优化完,最终完成评分为84.16。

2019-07-13 10:48:22

84.16

暂未公开
23

提供者:你猜猜我是谁

暂未公开
batch数据为50,循环次数为1000次,损失函数优化完,最终完成评分为79.01。

2019-03-19 16:15:59

79.01

暂未公开
24

提供者:ChangeBio

暂未公开
batch数据为32,循环次数为4000次,损失函数优化完,最终完成评分为78.08。

PyTorch

DenseNet121

2019-04-26 23:15:35

78.08

暂未公开
25

提供者:风雨兼程

暂未公开
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77.01。

2019-03-17 19:53:42

77.01

暂未公开
26

提供者:ON-looker

暂未公开
batch数据为10,循环次数为500次,损失函数优化完,最终完成评分为75.97。

2019-06-12 20:12:36

75.97

暂未公开
27

提供者:第五轻柔

暂未公开
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68.77。

2019-07-22 17:55:02

68.77

暂未公开
28

提供者:五月^V^

暂未公开
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58.15。

2019-04-02 10:16:17

58.15

暂未公开
29

提供者:matthew

暂未公开
batch数据为256,循环次数为50次,损失函数优化完,最终完成评分为52.76。

2019-03-27 22:30:29

52.76

暂未公开
30

提供者:天天向上

暂未公开
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44.66。

2019-03-30 20:41:05

44.66

暂未公开
31

提供者:木木

暂未公开
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42.91。

2019-03-16 22:00:11

42.91

暂未公开
32

提供者:就是很任性

暂未公开
batch数据为32,循环次数为1500次,损失函数优化完,最终完成评分为35.27。

2019-03-30 16:26:07

35.27

暂未公开
33

提供者:海夜

暂未公开
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31.64。

2019-03-17 15:18:00

31.64

暂未公开
第一名
chenfengshf 2019-08-31 13:13:12
2019-08-31 13:13:12
92.59
第二名
超人二号 2019-08-12 21:51:59
2019-08-12 21:51:59
91.82
第三名
流年相摧 2019-10-21 21:24:09
2019-10-21 21:24:09
91.76
4
xxxx 2019-08-17 03:03:44
2019-08-17 03:03:44
91.26
5
skyfish 2019-09-03 10:09:57
2019-09-03 10:09:57
90.6
6
Tchao 2019-09-12 04:27:55
2019-09-12 04:27:55
90.01
7
呜啦啦啦 2019-08-10 08:43:13
2019-08-10 08:43:13
89.85
8
Bright 2019-09-02 16:27:23
2019-09-02 16:27:23
88.66
9
likeBBBrest 2019-09-23 17:57:36
2019-09-23 17:57:36
87.86
10
Tk more tk less 2019-08-23 11:15:24
2019-08-23 11:15:24
87.25
11
dx9527 2019-08-09 11:09:08
2019-08-09 11:09:08
84.24
12
你过来啊 2019-08-30 17:52:35
2019-08-30 17:52:35
82.39
13
gege 2019-08-23 12:39:25
2019-08-23 12:39:25
78.89
14
五个橘子。 2019-08-13 12:49:53
2019-08-13 12:49:53
62.43
15
大山1563190752 2019-08-15 13:21:32
2019-08-15 13:21:32
46.16
16
fong 2019-08-23 00:22:21
2019-08-23 00:22:21
45.52
17
。。。zjl 2019-08-14 20:05:53
2019-08-14 20:05:53
36.74
18
0o0 2019-08-17 09:57:23
2019-08-17 09:57:23
29.82
19
tzone 2019-08-17 13:24:41
2019-08-17 13:24:41
29.82
20
立交桥 2019-08-19 19:31:31
2019-08-19 19:31:31
29.82
21
Simon1566224789 2019-08-19 22:38:13
2019-08-19 22:38:13
29.82
22
田心在路上 2019-08-28 16:53:53
2019-08-28 16:53:53
29.82
23
Zuolong 2019-09-01 13:43:44
2019-09-01 13:43:44
29.82
24
Mengcius 2019-09-04 09:08:34
2019-09-04 09:08:34
29.82
25
Start 2019-09-04 20:09:59
2019-09-04 20:09:59
29.82
26
111 2019-09-07 20:34:09
2019-09-07 20:34:09
29.82
27
张宗宇 2019-09-09 11:24:59
2019-09-09 11:24:59
29.82
28
莫君生 2019-09-10 09:44:10
2019-09-10 09:44:10
29.82
29
钱晋 2019-09-26 23:45:33
2019-09-26 23:45:33
29.82
30
田纳尔多1556887204 2019-10-02 14:34:57
2019-10-02 14:34:57
29.82
31
罗志鹏1570462175 2019-10-07 23:37:28
2019-10-07 23:37:28
29.82
32
tartarus 2019-10-13 18:51:47
2019-10-13 18:51:47
29.82
33
五岳风@2016 2019-10-14 22:53:08
2019-10-14 22:53:08
29.82
34
小晓陈 2019-08-18 22:02:42
2019-08-18 22:02:42
18.11
35
努力学习 2019-08-14 23:40:49
2019-08-14 23:40:49
14.11

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. 下载项目并解压
2.进入到项目目录下,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.本地开发调试

运行flyai.exe程序,点击"本地调试"按钮,输入循环次数和数据量,点击运行即可调用main.py

如果使用本地IDE开发,需要执行安装“flyai”依赖并导入项目,运行main.py

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"提交到GPU"按钮,输入循环次数和数据量,点击运行即可提交到GPU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

1. 下载项目并解压
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

首先进入到项目对应的磁盘中,然后执行

cd path\to\project

Windows用户使用 flyai.exe

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

flyai.exe test

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

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

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

flyai.exe train

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

完整训练设置执行代码示例:

flyai.exe train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

1. 下载项目并解压
2. 使用终端进入到项目的根目录下

cd /path/to/project

Mac和Linux用户使用 ./flyai 脚本文件

3. 初始化环境并登录

授权flyai脚本

chmod +x ./flyai

4. 本地开发调试

执行下列命令本地安装环境并调试(第一次使用需要使用微信扫码登录)

./flyai test 注意:命令前面不要加sudo

执行test命令,会自动下载100条测试数据到项目下

安装项目所需依赖,并运行 main.py

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

项目中如有新的引用,需加入到 requirements.txt 文件中

在终端下执行

./flyai train 注意:命令前面不要加sudo

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

完整训练设置执行代码示例:

./flyai train -b=32 -e=100

通过执行训练命令,本次训练循环 100 次,每次训练读取的数据量为 32 。

$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