MNIST手写数字识别练习赛

分享给好友

剩余奖金 ¥ 7

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

MNIST手写数字数据库具有60,000个训练集和10,000个测试集。它是NIST大集合的子集。数字已经过尺寸标准化，并以固定尺寸的图像为中心。数据集中图像为28*28的二进制图片。它是一个很好的入门计算机视觉的数据集。

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

  • 方式一：
  • 在线查看样例根据FlyAI样例模版实现算法并使用云端免费GPU进行模型训练获得最终成绩得分
  • 方式二：
  • 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，在本地进行代码调试的教程请查看[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
  • 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)
FlyAI挑战奖 所有挑战者 奖金获取标准：95<Score<=100 按照得分比例获取奖金池金额
新框架奖励 所有人 项目中首次使用排行榜中未出现的新框架搭建模型，可获得60FAI币额外积分奖励

备注:

  • 通过更新排行榜获取奖金，与原排行榜冠军得分差值越大，所获奖金比例越高
  • 按照所有挑战者提交作品时间先后，后台审核作品并更新到排行榜中， 【Score】未达奖金获取标准可显示在排行榜中，但无法获取奖金
  • 奖金额度获取评判指标说明：【BOUNS】表示奖金池总额度；【Score】表示模型得分；【BU_N】表示第n位达到奖金获取标准并更新排行榜后所获得的奖金总额度
  • 提交离线训练，系统自动评判模型Score。奖金获取额度计算公式如下：

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

MNIST

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
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,

参考文献：

[1]Yann LeCun, Courant Institute, NYU

[2]Corinna Cortes, Google Labs, New York

[3]Christopher J.C. Burges, Microsoft Research, Redmond

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 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：你猜猜我是谁

51.00

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99.86。

PyTorch

CNN

2019-03-18 12:07:30

51.00

99.86

第三名

提供者：五叶草

batch数据为42000，循环次数为1次，损失函数优化完，最终完成评分为99.74。

Keras

CNN

2019-04-07 19:55:27

99.74

第三名

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99.63。

Keras

CNN

2019-06-25 21:32:30

99.63

4

提供者：AMERICA

batch数据为500，循环次数为500次，损失函数优化完，最终完成评分为99.56。

Keras

CNN

2019-08-25 07:07:11

99.56

5

提供者：我是管小亮:)

batch数据为64，循环次数为45次，损失函数优化完，最终完成评分为99.55。

Keras

CNN

2019-10-21 16:16:12

99.55

6

提供者：=

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99.53。

Keras

CNN

2019-04-30 00:27:23

99.53

7

提供者：きょほう

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99.44。

Keras

CNN

2019-11-16 12:19:04

99.44

8

提供者：Kit

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99.41。

Keras

CNN

2019-11-24 12:14:37

99.41

9

提供者：样例基线

batch数据为32，循环次数为5次，损失函数优化完，最终完成评分为99.26。

Keras

CNN

2019-10-14 00:32:12

99.26

10

提供者：machinelearning小学生

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99.21。

Keras

CNN

2019-06-28 12:00:17

99.21

11

提供者：WayPlus

10.00

batch数据为128，循环次数为2000次，损失函数优化完，最终完成评分为99.09。

Keras

CNN

2019-04-03 02:13:38

10.00

99.09

12

提供者：Bright

batch数据为500，循环次数为20次，损失函数优化完，最终完成评分为98.61。

Keras

CNN

2019-09-02 09:46:04

98.61

13

提供者：Victor Hong

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98.61。

MXNet

LeNet5

2019-09-02 22:41:34

98.61

14

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98.39。

Keras

CNN

2019-08-13 12:27:24

98.39

15

提供者：success9465

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98.15。

Keras

CNN

2019-11-29 07:02:49

98.15

16

提供者：LOSKI

batch数据为256，循环次数为30次，损失函数优化完，最终完成评分为98.13。

PyTorch

CNN

2019-10-26 09:09:39

98.13

17

提供者：iris

batch数据为256，循环次数为2000次，损失函数优化完，最终完成评分为98.01。

PyTorch

CNN

2019-04-02 16:44:19

98.01

18

提供者：做自己的唯一

batch数据为200，循环次数为32次，损失函数优化完，最终完成评分为97.24。

PyTorch

CNN

2019-07-31 22:06:18

97.24

19

提供者：anticlockwise

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97.12。

PyTorch

CNN

2019-08-06 18:19:42

97.12

20

提供者：宇宙

batch数据为50000，循环次数为5次，损失函数优化完，最终完成评分为97.09。

Keras

CNN

2019-05-22 21:51:14

97.09

21

提供者：Again

batch数据为1024，循环次数为100次，损失函数优化完，最终完成评分为96.01。

Keras

CNN

2019-06-06 21:04:40

96.01

22

提供者：Cosimo

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95.9。

Keras

CNN

2019-06-03 20:47:03

95.90

23

提供者：莫须有の嚣张

batch数据为10000，循环次数为10次，损失函数优化完，最终完成评分为95。

Keras

CNN

2019-06-17 01:20:50

95.00

24

提供者：木鱼

10.00

batch数据为64，循环次数为150次，损失函数优化完，最终完成评分为94.84。

Keras

CNN

2019-03-31 12:59:28

10.00

94.84

25

提供者：zizaieee

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94.52。

Keras

CNN

2019-04-13 19:39:39

94.52

26

提供者：sytv587

10.00

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94.51。

Keras

CNN_

2019-03-17 23:55:52

10.00

94.51

27

提供者：fly

batch数据为256，循环次数为2000次，损失函数优化完，最终完成评分为94.44。

Keras

CNN

2019-03-19 10:14:47

94.44

28

提供者：北极烧烤肉丝

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94.41。

Keras

CNN

2019-04-29 21:55:43

94.41

29

提供者：疯狂的大笨蛋

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94.34。

Keras

CNN

2019-04-07 18:43:10

94.34

30

提供者：晓风

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94.34。

Keras

CNN

2019-05-04 21:23:24

94.34

31

提供者：uian

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94.21。

Keras

CNN

2019-07-23 01:06:42

94.21

32

提供者：matthew

10.00

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94.14。

Keras

CNN

2019-03-27 16:29:46

10.00

94.14

33

提供者：Xin Yao

batch数据为1000，循环次数为16次，损失函数优化完，最终完成评分为94.01。

Keras

CNN

2019-06-25 10:42:47

94.01

34

提供者：Leeeon

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93.91。

PyTorch

CNN

2019-06-21 21:03:56

93.91

35

提供者：Leong_Logan

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93.81。

Keras

CNN

2019-04-02 21:31:45

93.81

36

提供者：(ಡωಡ)

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93.68。

Keras

CNN

2019-08-15 19:35:21

93.68

37

提供者：鹦武鸟

batch数据为128，循环次数为2000次，损失函数优化完，最终完成评分为93.59。

Keras

CNN

2019-04-07 15:58:32

93.59

38

提供者：心如止水

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93.55。

Keras

CNN

2019-05-16 15:55:25

93.55

39

提供者：于峰

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93.51。

Keras

CNN

2019-06-20 15:38:28

93.51

40

提供者：qf1563189442

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93.33。

Keras

CNN

2019-09-17 00:04:05

93.33

41

提供者：刘志强

batch数据为16，循环次数为1次，损失函数优化完，最终完成评分为93.3。

Keras

CNN

2019-07-22 21:58:16

93.30

42

提供者：zjy

batch数据为1024，循环次数为100次，损失函数优化完，最终完成评分为93.22。

Keras

CNN

2019-06-03 20:53:36

93.22

43

提供者：风雨兼程

10.00

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93.14。

Keras

CNN

2019-03-18 10:17:28

10.00

93.14

44

提供者：hiccup

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93.11。

Keras

CNN

2019-05-13 18:48:34

93.11

45

提供者：AiFool

batch数据为5000，循环次数为500次，损失函数优化完，最终完成评分为93.1。

Keras

CNN

2019-05-24 01:06:57

93.10

46

提供者：袁璞

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92.95。

Keras

CNN

2019-07-12 12:23:52

92.95

47

提供者：Jackko

10.00

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92.9。

Keras

CNN

2019-03-18 13:08:45

10.00

92.90

48

提供者：王璐

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92.86。

Keras

CNN

2019-07-10 20:59:20

92.86

49

提供者：植

10.00

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92.74。

Keras

CNN

2019-03-25 21:40:17

10.00

92.74

50

提供者：oliver1562911697

batch数据为42000，循环次数为1次，损失函数优化完，最终完成评分为92.6。

Keras

CNN

2019-07-14 12:14:56

92.60

51

提供者：斗牛要不要

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92.23。

Keras

CNN

2019-05-31 21:37:38

92.23

52

提供者：ROC

batch数据为128，循环次数为10000次，损失函数优化完，最终完成评分为92.2。

Keras

CNN

2019-04-03 18:29:29

92.20

53

提供者：huzhong

batch数据为100，循环次数为1000次，损失函数优化完，最终完成评分为91.9。

Keras

CNN

2019-04-08 14:37:41

91.90

54

提供者：不形于色

10.00

batch数据为64，循环次数为350次，损失函数优化完，最终完成评分为91.81。

Keras

CNN

2019-03-25 21:03:19

10.00

91.81

55

提供者：DDBG

10.00

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91.79。

Keras

CNN

2019-03-16 15:53:37

10.00

91.79

56

提供者：trick_or_treat

10.00

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91.79。

PyTorch

CNN

2019-03-19 15:18:33

10.00

91.79

57

提供者：chenyl

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91.79。

Keras

CNN

2019-04-03 12:48:08

91.79

58

提供者：Nightingale

10.00

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91.77。

Keras

CNN

2019-03-17 21:34:19

10.00

91.77

59

提供者：sinh

batch数据为50，循环次数为200次，损失函数优化完，最终完成评分为91.76。

Keras

CNN

2019-04-05 17:18:32

91.76

60

提供者：candyriver

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91.76。

Keras

CNN

2019-08-11 20:45:12

91.76

61

提供者：風

batch数据为128，循环次数为10000次，损失函数优化完，最终完成评分为91.7。

Keras

CNN

2019-03-19 15:59:18

91.70

62

提供者：PPdog

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91.41。

Keras

xxqnet_v6

2019-06-19 14:12:33

91.41

63

提供者：亦云

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91.33。

Keras

CNN

2019-05-22 18:04:24

91.33

64

提供者：Hallo

10.00

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90.94。

Keras

CNN

2019-03-17 23:01:36

10.00

90.94

65

提供者：火炎焱燚

batch数据为64，循环次数为500次，损失函数优化完，最终完成评分为90.9。

Keras

CNN

2019-04-04 12:39:58

90.90

66

提供者：flashsherlock

batch数据为100，循环次数为10次，损失函数优化完，最终完成评分为90.72。

Keras

CNN

2019-07-18 15:47:59

90.72

67

提供者：侠

batch数据为32，循环次数为32次，损失函数优化完，最终完成评分为90.69。

Keras

CNN

2019-11-13 01:23:31

90.69

68

提供者：就是很任性

10.00

batch数据为320，循环次数为1500次，损失函数优化完，最终完成评分为90.64。

Keras

CNN

2019-03-25 18:25:38

10.00

90.64

69

提供者：山高水远。

batch数据为64，循环次数为800次，损失函数优化完，最终完成评分为90.59。

Keras

CNN

2019-04-16 17:59:07

90.59

70

提供者：菜的掉渣

batch数据为100，循环次数为30次，损失函数优化完，最终完成评分为90.45。

Keras

CNN

2019-10-11 01:35:58

90.45

71

提供者：FC

batch数据为200，循环次数为50次，损失函数优化完，最终完成评分为90.37。

Keras

CNN

2019-04-06 09:09:05

90.37

72

提供者：Hnecl

10.00

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90.34。

Keras

CNN

2019-03-26 18:41:59

10.00

90.34

73

提供者：Lucaschen

10.00

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90.24。

Keras

CNN

2019-03-29 18:40:19

10.00

90.24

74

提供者：大仙的男人

10.00

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90.14。

Keras

CNN

2019-04-01 02:40:07

10.00

90.14

75

提供者：物理课代表

batch数据为500，循环次数为200次，损失函数优化完，最终完成评分为90.11。

Keras

CNN

2019-05-13 03:57:56

90.11

76

提供者：凉心半浅良心人

batch数据为64，循环次数为450次，损失函数优化完，最终完成评分为90.11。

Keras

CNN

2019-05-18 02:50:44

90.11

77

提供者：fmy

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90.1。

Keras

CNN

2019-04-02 22:15:24

90.10

78

提供者：代码搬运工

10.00

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89.99。

Keras

CNN

2019-03-23 01:30:08

10.00

89.99

79

提供者：kongd

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89.38。

Keras

CNN

2019-04-02 22:00:55

89.38

80

提供者：参赛小学生

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88.76。

Keras

CNN

2019-05-08 01:12:28

88.76

81

提供者：QiJQ

10.00

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88.58。

Keras

CNN

2019-03-20 03:03:28

10.00

88.58

82

提供者：萌萌

10.00

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88.41。

Keras

CNN

2019-03-29 21:24:44

10.00

88.41

83

提供者：张绪财

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88.38。

Keras

CNN

2019-08-14 22:10:31

88.38

84

提供者：李大可

10.00

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88.21。

Keras

CNN

2019-03-26 00:56:30

10.00

88.21

85

提供者：爱做梦的柯基

10.00

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88.14。

Keras

CNN

2019-03-26 18:20:03

10.00

88.14

86

提供者：张帅

10.00

batch数据为256，循环次数为10000次，损失函数优化完，最终完成评分为88.06。

Keras

CNN

2019-03-20 21:43:28

10.00

88.06

87

提供者：醉意

10.00

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87.89。

Keras

CNN

2019-03-18 13:24:10

10.00

87.89

88

提供者：vue

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87.84。

Keras

RCNN

2019-09-08 23:36:58

87.84

89

提供者：I admit myself

batch数据为128，循环次数为2000次，损失函数优化完，最终完成评分为87.8。

Keras

CNN

2019-07-03 04:29:41

87.80

90

提供者：五月^V^

10.00

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87.61。

Keras

CNN

2019-04-02 09:06:25

10.00

87.61

91

提供者：第五轻柔

batch数据为128，循环次数为80次，损失函数优化完，最终完成评分为86.64。

Keras

CNN

2019-07-03 20:18:51

86.64

92

提供者：致Great

10.00

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86.59。

Keras

CNN

2019-03-24 15:03:21

10.00

86.59

93

提供者：深潜

batch数据为512，循环次数为20次，损失函数优化完，最终完成评分为85.52。

Keras

CNN

2019-05-10 04:40:32

85.52

94

提供者：yahiko

batch数据为500，循环次数为64次，损失函数优化完，最终完成评分为85.09。

Keras

CNN

2019-06-21 13:19:01

85.09

95

提供者：Gabski

10.00

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84.66。

Keras

CNN

2019-03-26 00:10:31

10.00

84.66

96

提供者：杰

10.00

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83.86。

Keras

CNN

2019-03-30 16:24:44

10.00

83.86

97

提供者：qqm

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46.01。

Keras

CNN

2019-05-01 21:24:47

46.01

98

提供者：ZYZhang

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41.8。

Keras

CNN

2019-04-27 18:31:53

41.80

99

提供者：夏末的夏

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39.55。

Keras

CNN

2019-04-23 18:59:14

39.55

100

提供者：FlyAI样例得分

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36.62。

Keras

CNN

2019-03-21 11:51:56

36.62

101

提供者：祥文 Shawn

10.00

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33.04。

Keras

CNN

2019-03-22 18:01:30

10.00

33.04

102

提供者：heihei

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31.46。

Keras

CNN

2019-05-14 16:04:14

31.46

103

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29.51。

Keras

CNN

2019-04-19 21:43:12

29.51

104

提供者：ಠ_ಠ

10.00

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29.19。

Keras

CNN

2019-03-19 16:28:04

10.00

29.19

105

提供者：Hundredays

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20.71。

Keras

CNN

2019-05-05 17:37:41

20.71

106

提供者：愚公的锤子

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12.69。

Keras

CNN

2019-05-09 02:01:40

12.69

107

提供者：理言

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9.56。

Keras

CNN

2019-05-09 01:03:12

9.56

108

提供者：TheKernel

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9.56。

Keras

CNN

2019-08-02 18:05:25

9.56

2019-04-02
五月^V^

模型得分为87.61，本次获得实时奖励奖金为10元

2019-04-02 09:06:25

2019-04-01
大仙的男人

模型得分为90.14，本次获得实时奖励奖金为10元

2019-04-01 02:40:07

2019-03-30
WayPlus

模型得分为86.16，本次获得实时奖励奖金为10元

2019-03-30 21:21:54

杰

模型得分为83.86，本次获得实时奖励奖金为10元

2019-03-30 16:24:44

2019-03-29
萌萌

模型得分为17.34，本次获得实时奖励奖金为10元

2019-03-29 20:05:21

Lucaschen

模型得分为90.24，本次获得实时奖励奖金为10元

2019-03-29 18:40:19

2019-03-26
matthew

模型得分为65.89，本次获得实时奖励奖金为10元

2019-03-26 22:31:16

Hnecl

模型得分为90.34，本次获得实时奖励奖金为10元

2019-03-26 18:41:59

爱做梦的柯基

模型得分为88.14，本次获得实时奖励奖金为10元

2019-03-26 18:20:03

2019-03-26
李大可

模型得分为24.94，本次获得实时奖励奖金为10元

2019-03-26 00:50:46

Gabski

模型得分为84.66，本次获得实时奖励奖金为10元

2019-03-26 00:10:31

植

模型得分为29.24，本次获得实时奖励奖金为10元

2019-03-25 21:26:20

不形于色

模型得分为91.81，本次获得实时奖励奖金为10元

2019-03-25 21:03:19

就是很任性

模型得分为90.64，本次获得实时奖励奖金为10元

2019-03-25 18:25:38

2019-03-24
致Great

模型得分为86.59，本次获得实时奖励奖金为10元

2019-03-24 15:03:21

2019-03-23
代码搬运工

模型得分为8.81，本次获得实时奖励奖金为10元

2019-03-23 01:26:54

祥文 Shawn

模型得分为33.04，本次获得实时奖励奖金为10元

2019-03-22 18:01:30

2019-03-20
张帅

模型得分为88.06，本次获得实时奖励奖金为10元

2019-03-20 21:43:28

2019-03-20
QiJQ

模型得分为88.58，本次获得实时奖励奖金为10元

2019-03-20 03:03:28

2019-03-19
ಠ_ಠ

模型得分为29.19，本次获得实时奖励奖金为10元

2019-03-19 16:28:04

2019-03-18
Jackko

模型得分为64.29，本次获得实时奖励奖金为10元

2019-03-18 12:25:10

你猜猜我是谁

模型得分为99.86，本次获得实时奖励奖金为41元

2019-03-18 12:07:30

醉意

模型得分为48.34，本次获得实时奖励奖金为10元

2019-03-18 11:56:46

风雨兼程

模型得分为87.66，本次获得实时奖励奖金为10元

2019-03-18 10:00:31

2019-03-17
你猜猜我是谁

模型得分为98.64，本次获得实时奖励奖金为10元

2019-03-17 22:43:26

Nightingale

模型得分为91.77，本次获得实时奖励奖金为10元

2019-03-17 21:34:19

2019-03-17
sytv587

模型得分为92.19，本次获得实时奖励奖金为10元

2019-03-17 13:28:00

2019-03-16
DDBG

模型得分为86.92，本次获得实时奖励奖金为10元

2019-03-16 17:19:17

2019-03-15
木鱼

模型得分为89.51，本次获得实时奖励奖金为10元

2019-03-15 23:09:18

Hallo

模型得分为44.81，本次获得实时奖励奖金为10元

2019-03-15 20:14:03

LXY

模型得分为92.88，本次获得实时奖励奖金为10元

2019-03-15 15:56:16

2019-03-15
trick_or_treat

模型得分为93.57，本次获得实时奖励奖金为10元

2019-03-15 12:40:05

2019-03-12
poison

模型得分为98.96，本次获得实时奖励奖金为21元

2019-03-12 17:38:59

2019-03-11
梯度下降

模型得分为98.59，本次获得实时奖励奖金为3元

2019-03-11 22:33:07

2019-03-10
梯度下降

模型得分为98.53，本次获得实时奖励奖金为553元

2019-03-10 19:14:16

挑战者大赛 官方交流群

请使用微信扫一扫功能，扫描二维码添加工作人员微信添加请备注"大赛主题名称"

使用预训练模型

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

https://www.flyai.com/d/MNIST

复制链接

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