MNIST手写数字识别练习赛

分享给好友

剩余奖金 ¥ 7

立即报名

立即报名

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

如何参赛?

  • 请在项目详情页点击【立即报名】按钮,首次需验证手机号、完善报名信息
  • 请点击本页的【资料下载】按钮,下载参赛资料并详细阅读README.md文件

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
  • 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
  • 禁止私下与队伍成员之外的人员分享代码和数据,鼓励在大赛交流群与所有参赛选手公开讨论
  • 参赛选手需自行检查提交作品的正确性,确认无误后再进行提交,如有任何提交问题导致成绩有误,主办方概不负责
  • 参赛作品必须保证原创性,不违反任何中华人民共和国的有关法律,不侵犯任何第三方知识产权或其它权利,如有发现并查证,主办方将取消其比赛资格、成绩

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

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:如何查看数据集?

  • 请在【赛事主题和数据描述>数据来源】点击文字链接查看原始数据集

Q:如何顺利提交作品并训练?

  • 请查看本详情页右侧栏提交指南代码命令提示,根据flyai命令提交作品并训练

Q:提交样例代码是否可获得比赛奖金?

  • 不可以。样例代码仅供开发者学习参考,如提交相似代码,不会通过人工审核且无法获取奖励

展开

排行榜

(每日 24 时更新)

1

提供者:令狐冲

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。

2019-03-18 12:07:30

51.00

99.86

2

提供者:回头Y是岸

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。

2019-04-07 19:55:27

99.74

3

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。

2019-04-03 02:13:38

10.00

99.09

4

提供者:poison

21.00

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98.96。

2019-03-12 17:38:59

21.00

98.96

5

提供者:梯度下降

556.00

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98.59。

2019-03-11 22:33:07

556.00

98.59

6

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。

2019-04-02 16:44:19

98.01

7

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。

2019-03-31 12:59:28

10.00

94.84

8

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。

2019-04-13 19:39:39

94.52

9

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

10

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。

2019-03-19 10:14:47

94.44

11

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。

2019-04-07 18:43:10

94.34

12

提供者:侯士伟

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。

2019-03-27 16:29:46

10.00

94.14

13

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。

2019-04-02 21:31:45

93.81

14

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。

2019-04-07 15:58:32

93.59

15

提供者:baseline

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93.57。

2019-03-15 12:40:05

10.00

93.57

16

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。

2019-03-18 10:17:28

10.00

93.14

17

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。

2019-03-18 13:08:45

10.00

92.90

18

提供者:LXY

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92.88。

2019-03-15 15:56:16

10.00

92.88

19

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。

2019-03-25 21:40:17

10.00

92.74

20

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。

2019-04-03 18:29:29

92.20

21

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。

2019-04-08 14:37:41

91.90

22

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。

2019-03-25 21:03:19

10.00

91.81

23

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。

2019-03-16 15:53:37

10.00

91.79

24

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。

2019-04-03 12:48:08

91.79

25

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。

2019-03-17 21:34:19

10.00

91.77

26

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。

2019-04-05 17:18:32

91.76

27

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。

2019-03-19 15:59:18

91.70

28

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。

2019-03-17 23:01:36

10.00

90.94

29

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。

2019-04-04 12:39:58

90.90

30

提供者:Matthew

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。

2019-03-25 18:25:38

10.00

90.64

31

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。

2019-04-16 17:59:07

90.59

32

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。

2019-04-06 09:09:05

90.37

33

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。

2019-03-26 18:41:59

10.00

90.34

34

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。

2019-03-29 18:40:19

10.00

90.24

35

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。

2019-04-01 02:40:07

10.00

90.14

36

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。

2019-04-02 22:15:24

90.10

37

提供者:PraIse

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。

2019-03-23 01:30:08

10.00

89.99

38

提供者:Flipped

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。

2019-04-02 22:00:55

89.38

39

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。

2019-03-20 03:03:28

10.00

88.58

40

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。

2019-03-29 21:24:44

10.00

88.41

41

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。

2019-03-26 00:56:30

10.00

88.21

42

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。

2019-03-26 18:20:03

10.00

88.14

43

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。

2019-03-20 21:43:28

10.00

88.06

44

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。

2019-03-18 13:24:10

10.00

87.89

45

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。

2019-04-02 09:06:25

10.00

87.61

46

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。

2019-03-24 15:03:21

10.00

86.59

47

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。

2019-03-26 00:10:31

10.00

84.66

48

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。

2019-03-30 16:24:44

10.00

83.86

49

提供者:wsure

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43.91。

2019-03-16 13:15:22

10.00

43.91

50

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。

2019-03-21 11:51:56

36.62

51

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。

2019-03-22 18:01:30

10.00

33.04

52

提供者:hello801555517206

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。

2019-04-19 21:43:12

29.51

53

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。

2019-03-19 16:28:04

10.00

29.19

万元奖金等你拿,挑战者,都在 FlyAI

点击立即报名

下载参赛资料

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

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

下载完成之后,执行下列命令并使用微信扫码登录

./flyai init

登录成功之后,会自动下载运行所需环境

4. 本地开发调试

执行

./flyai test

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

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

默认训练成功后不公开在项目排行榜中,公开项目需在提交训练时执行

./flyai train -p=1

完整训练设置执行代码示例:

./flyai train -p=1 -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 ,公开提交模型

$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

报名成功!

感谢您的参与!点击 下载资料 并及时提交您的作品

下载资料

打开微信,使用扫一扫功能分享给好友