多面体骰子分类

分享给好友

剩余奖金 ¥ 1,448

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

骰子也称色子,为一正多面体,通常作为桌上游戏的小道具。同时骰子也可以用于生成指定范围的随机数。最常见的骰子是六面骰,它是一个正立方体,上面分别有一到六个数,其相对两面数字之和必为七。

本赛题主要对骰子形状进行分类,一共包括四面骰、六面骰、八面骰、十面骰、十二面骰和二十面骰。其中训练集、验证集和测试集划分比例为6:2:2.

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)
参与奖(总奖金20%) 所有人 根据基线得分与100分之间,分成5个奖金区间;不同得分区间获得相应的竞赛奖金。
突破奖(总奖金10%) 所有人 更新排行榜最高分数,获得相应的竞赛奖金
排名奖(总奖金70%) 月赛前5名 奖金发放最终以月为单位,前5名获奖占比以K系数表示,分别为:0.45,0.25,0.15,0.1,0.05
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:2020-01-31
  • 月排名奖结算时间:2020-02-28 15:00:00
  • 奖金获取标准:85<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
  • 排名奖发放完毕前5名参赛者需提供文档格式赛题解决思路和15分钟以上的PPT答辩视频(FlyAI提供模版)
  • Bouns表示为:奖金池总金额;Score表示为:模型得分;
  • 同一用户在参与奖中模型得分区间相同无法再次获得奖励
  • 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金
  • 奖金计算公式2
  • 排名奖(Ranking Award)
  • K表示:排行榜前5名的奖金分配系数,分别为:0.45,0.25,0.15,0.1,0.05;
  • 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
labels string 不为空 图片的对应类别

输入字段: image_path,

输出字段: labels,

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
超过90分的成绩会在48小时内更新到排行榜,不要着急哦!
第三名

提供者:malena

300.00

batch数据为1,循环次数为3次,损失函数优化完,最终完成评分为100。

2020-02-01 01:06:45

300.00

100.00

第三名

提供者:一口大怪兽

50.00

batch数据为64,循环次数为5次,损失函数优化完,最终完成评分为100。

2020-02-01 04:05:14

50.00

100.00

第三名

提供者:鹏1577582907

12.50

batch数据为30,循环次数为15次,损失函数优化完,最终完成评分为100。

2020-02-01 04:06:39

12.50

100.00

4

提供者:小林子

6.25

batch数据为22,循环次数为32次,损失函数优化完,最终完成评分为100。

2020-02-01 11:40:12

6.25

100.00

5

提供者:zhr

25.00

batch数据为1,循环次数为1次,损失函数优化完,最终完成评分为100。

2020-02-01 13:15:20

25.00

100.00

6

提供者:绿肥红瘦

batch数据为256,循环次数为32次,损失函数优化完,最终完成评分为100。

2020-02-01 17:55:43

100.00

7

提供者:天涯·明月·刀

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100。

2020-02-02 22:19:32

100.00

8

提供者:mki

batch数据为64,循环次数为5次,损失函数优化完,最终完成评分为100。

2020-02-03 17:05:05

100.00

9

提供者:宇宙

3.13

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100。

2020-02-04 21:35:49

3.13

100.00

10

提供者:chenfengshf

1.56

batch数据为20,循环次数为1次,损失函数优化完,最终完成评分为99.97。

2020-02-01 14:06:08

1.56

99.97

11

提供者:弱鸡瑟瑟发抖

batch数据为16,循环次数为100次,损失函数优化完,最终完成评分为99.97。

2020-02-03 09:10:22

99.97

12

提供者:clayne

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99.97。

2020-02-05 12:12:33

99.97

13

提供者:流年相摧

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99.97。

2020-02-05 16:44:17

99.97

14

提供者:Nealbity

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99.97。

2020-02-15 18:26:54

99.97

15

提供者:Woz

46.00

batch数据为16,循环次数为11次,损失函数优化完,最终完成评分为99.94。

2020-02-02 12:47:04

46.00

99.94

16

提供者:史开杰

4.00

batch数据为64,循环次数为128次,损失函数优化完,最终完成评分为99.94。

2020-02-03 15:39:03

4.00

99.94

17

提供者:晴天stick

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99.94。

2020-02-12 00:56:18

99.94

18

提供者:ashora(啊瘦了)

batch数据为256,循环次数为320次,损失函数优化完,最终完成评分为99.69。

2020-02-02 04:50:59

99.69

19

提供者:木风1571634452

batch数据为32,循环次数为2次,损失函数优化完,最终完成评分为99.54。

2020-02-05 20:05:29

99.54

20

提供者:rhapsody

7.50

batch数据为32,循环次数为16次,损失函数优化完,最终完成评分为98.13。

2020-02-03 18:12:43

7.50

98.13

21

提供者:悟躁

50.00

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97.8。

2020-02-05 10:06:00

50.00

97.80

22

提供者:骡子吃番茄

25.00

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96.94。

2020-02-07 01:51:59

25.00

96.94

23

提供者:yangsmile

15.00

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95.77。

2020-02-02 03:03:24

15.00

95.77

24

提供者:代码搬运工

3.75

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94.92。

2020-02-05 11:44:46

3.75

94.92

25

提供者:佚

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91.89。

Keras

Resnet50

2020-02-15 06:23:59

91.89

26

提供者:小门神

2.00

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91.67。

2020-02-02 19:04:41

2.00

91.67

27

提供者:TianyueCheng

1.00

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91.12。

2020-02-03 23:34:36

1.00

91.12

28

提供者:Yvette

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89.96。

2020-02-10 14:48:55

89.96

29

提供者:玖耿

batch数据为64,循环次数为5次,损失函数优化完,最终完成评分为89.8。

2020-02-06 17:55:27

89.80

30

提供者:Mt

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88.73。

2020-02-02 18:42:04

88.73

31

提供者:val_acc=100

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78.23。

2020-02-04 17:05:46

78.23

32

提供者:样例基线

batch数据为128,循环次数为1次,损失函数优化完,最终完成评分为50.37。

2020-01-06 16:30:37

50.37

33

提供者:加号+

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31.26。

2020-02-04 17:44:23

31.26

34

提供者:珏凌

batch数据为64,循环次数为12次,损失函数优化完,最终完成评分为28.54。

2020-02-16 14:49:24

28.54

2020-02-10
骡子吃番茄

模型得分为96.94,本次获得实时奖励奖金为25

2020-02-10 18:53:12

悟躁

模型得分为97.8,本次获得实时奖励奖金为50

2020-02-10 18:50:50

代码搬运工

模型得分为94.18,本次获得实时奖励奖金为3.75

2020-02-10 16:30:20

2020-02-04
TianyueCheng

模型得分为91.12,本次获得实时奖励奖金为1

2020-02-04 14:54:15

rhapsody

模型得分为94.03,本次获得实时奖励奖金为7.5

2020-02-04 14:53:15

小门神

模型得分为91.67,本次获得实时奖励奖金为2

2020-02-04 14:51:30

yangsmile

模型得分为95.77,本次获得实时奖励奖金为15

2020-02-04 14:48:46

Woz

模型得分为94.67,本次获得实时奖励奖金为30

2020-02-04 14:48:29

Woz

模型得分为92.5,本次获得实时奖励奖金为16

2020-02-04 14:47:11

史开杰

模型得分为90.66,本次获得实时奖励奖金为4

2020-02-04 14:44:19

chenfengshf

模型得分为99.97,本次获得实时奖励奖金为1.56

2020-02-04 14:43:30

宇宙

模型得分为99.91,本次获得实时奖励奖金为3.13

2020-02-04 14:42:59

小林子

模型得分为99.97,本次获得实时奖励奖金为6.25

2020-02-04 14:40:06

鹏1577582907

模型得分为100,本次获得实时奖励奖金为12.5

2020-02-04 14:39:41

zhr

模型得分为99.97,本次获得实时奖励奖金为25

2020-02-04 14:31:26

一口大怪兽

模型得分为99.82,本次获得实时奖励奖金为50

2020-02-04 14:30:50

malena

模型得分为99.97,本次获得实时奖励奖金为300

2020-02-04 14:23:06

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 lab 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
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 10 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