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
啤酒饮料矿泉水花生瓜子八宝粥 2019-11-20 20:30:08
2019-11-20 20:30:08
90.36
7
Tchao 2019-09-12 04:27:55
2019-09-12 04:27:55
90.01
8
呜啦啦啦 2019-08-10 08:43:13
2019-08-10 08:43:13
89.85
9
赖子 2019-10-24 12:09:23
2019-10-24 12:09:23
88.96
10
Bright 2019-09-02 16:27:23
2019-09-02 16:27:23
88.66
11
likeBBBrest 2019-09-23 17:57:36
2019-09-23 17:57:36
87.86
12
Tk more tk less 2019-08-23 11:15:24
2019-08-23 11:15:24
87.25
13
zozo 2019-11-13 12:45:12
2019-11-13 12:45:12
86.86
14
嘻嘻嘻哈哈 2019-10-31 03:18:31
2019-10-31 03:18:31
85.64
15
MST 2019-12-05 19:10:57
2019-12-05 19:10:57
85.16
16
niu 2019-11-05 15:04:16
2019-11-05 15:04:16
84.54
17
dx9527 2019-08-09 11:09:08
2019-08-09 11:09:08
84.24
18
样例基线 2019-08-30 17:52:35
2019-08-30 17:52:35
82.39
19
gege 2019-08-23 12:39:25
2019-08-23 12:39:25
78.89
20
五个橘子。 2019-08-13 12:49:53
2019-08-13 12:49:53
62.43
21
大山1563190752 2019-08-15 13:21:32
2019-08-15 13:21:32
46.16
22
fong 2019-08-23 00:22:21
2019-08-23 00:22:21
45.52
23
叶骞 2019-12-05 22:14:40
2019-12-05 22:14:40
42.91
24
。。。zjl 2019-08-14 20:05:53
2019-08-14 20:05:53
36.74
25
0o0 2019-08-17 09:57:23
2019-08-17 09:57:23
29.82
26
tzone 2019-08-17 13:24:41
2019-08-17 13:24:41
29.82
27
立交桥 2019-08-19 19:31:31
2019-08-19 19:31:31
29.82
28
Simon1566224789 2019-08-19 22:38:13
2019-08-19 22:38:13
29.82
29
田心在路上 2019-08-28 16:53:53
2019-08-28 16:53:53
29.82
30
Zuolong 2019-09-01 13:43:44
2019-09-01 13:43:44
29.82
31
Mengcius 2019-09-04 09:08:34
2019-09-04 09:08:34
29.82
32
Start 2019-09-04 20:09:59
2019-09-04 20:09:59
29.82
33
111 2019-09-07 20:34:09
2019-09-07 20:34:09
29.82
34
张宗宇 2019-09-09 11:24:59
2019-09-09 11:24:59
29.82
35
莫君生 2019-09-10 09:44:10
2019-09-10 09:44:10
29.82
36
钱晋 2019-09-26 23:45:33
2019-09-26 23:45:33
29.82
37
田纳尔多1556887204 2019-10-02 14:34:57
2019-10-02 14:34:57
29.82
38
罗志鹏1570462175 2019-10-07 23:37:28
2019-10-07 23:37:28
29.82
39
tartarus 2019-10-13 18:51:47
2019-10-13 18:51:47
29.82
40
五岳风@2016 2019-10-14 22:53:08
2019-10-14 22:53:08
29.82
41
宇1572748632 2019-11-03 13:32:19
2019-11-03 13:32:19
29.82
42
b6462 2019-11-13 16:10:05
2019-11-13 16:10:05
29.82
43
Boyce Avenue 2019-11-14 23:59:22
2019-11-14 23:59:22
29.82
44
章鑫 2019-11-15 10:27:58
2019-11-15 10:27:58
29.82
45
小晓陈 2019-08-18 22:02:42
2019-08-18 22:02:42
18.11
46
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.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.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.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
参赛提示


申请参赛资格请扫描上方二维码联系FlyAI客服

当前赛题您未在 24小时内 报名参加
参赛资格已失效,如有疑问请联系FlyAI客服

当前赛题您未在 48小时内 提交有效成绩
参赛资格已失效,如有疑问请联系FlyAI客服

参加其他比赛
提交结果文件
提示:每次提交需消耗 100 FAI

仅支持上传 CSV 格式的文件

$vue{csvName}上传成功
取消 确认提交

评估成绩得分

$vue{csv_data.score}
$vue{csv_data.lable}
关闭结果