美国点评网站Yelp评价预测赛

分享给好友

2018-11-27 18:38:09
开始提交

2018-12-27 18:38:09
最终提交结束

自由训练

剩余奖金 ¥ 4,000
参赛权限提示

当前赛题需能力值达到 $vue{itemranking} 才可以正常提交训练哦~

当前赛题仅允许 600 能力值以下的新手可以正常提交训练哦~

报名参赛
  • 赛事介绍
  • 竞赛排行榜
  • 奖金记录
  • 讨论($vue{comment_count})

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

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

温馨提示

$vue{csv_msg}

知道了
提交结果文件

$vue{csvName == '' ? '仅支持上传 CSV 格式的文件' : csvName+' 上传中...'}

$vue{csvName}上传成功
取消 确认提交

提交成功

系统正在测评您的结果文件,

您可通过右侧【我的提交-查看记录详情】进行查看

知道了

大赛简介

该数据集包含美国15万用户对18万家企业的100万条点评,涵盖超过140万个商业属性,包括营业时间,停车位,便利性和环境等等。每条数据包括企业名称,位置,属性和类别

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

  • 参赛选手需要配合组委会对比赛作品的有效性与真实性进行验证
  • 不同团队/个人,提交相似结果文件,取消双方所有人员参赛资格
  • 多开小号报名、提交,一经发现将取消参赛资格
  • 禁止使用外部链接下载代码替换本项目代码
  • 使用线上测试集进行训练或者使用非官方提供的外部数据进行训练,成绩无效
  • 使用的预训练模型需为FlyAI官方审核通过的模型,使用非官方验证预训练模型,成绩无效
  • 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:60<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

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

Yelp

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:

文件名 字段名称 字段类型 备注
text float 大于等于 0, 小于等于 512 用户的评价内容
stars float 大于等于 0, 小于等于 4 用户的评价分数

参考文献:

[1]https://www.yelp.com/dataset/

附加文件:

名称 描述
glove.txt 英文的词向量
vocab.json 英文的词汇表

评审标准

算法输入输出格式

输入字段: text,

输出字段: stars,

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。

$vue{item.rank_name}

超过 60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:cclxx

181.00

batch数据为128,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为69.75。

Keras

SRNN

2019-04-23 22:40:54

181.00

69.75

第三名

提供者:麦小杨

batch数据为32,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为69.35。

2019-10-01 17:03:05

69.35

第三名

提供者:未名湖畔的落叶

batch数据为32,循环次数为16次,通过在线上环境完成训练,模型最优精度评分为69.20。

2019-07-09 02:51:28

69.20

4

提供者:NLP-Learner

batch数据为16,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为67.55。

Keras

SRNN

2019-07-02 14:59:49

67.55

5

提供者:Hallo

367.00

batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为65.30。

Keras

SRNN

2019-03-20 17:26:29

367.00

65.30

6

提供者:Daiccccc

batch数据为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为65.05。

2019-04-04 16:27:08

65.05

7

提供者:N_chit

10.00

batch数据为256,循环次数为6000次,通过在线上环境完成训练,模型最优精度评分为64.10。

Keras

SRNN

2019-03-27 08:38:32

10.00

64.10

8

提供者:梯度下降

batch数据为512,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为62.95。

Keras

SRNN

2019-03-20 18:25:32

62.95

9

提供者:HelloGuys

batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为62.35。

Keras

SRNN

2019-04-04 21:58:04

62.35

10

提供者:assassination

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为61.85。

2019-04-20 13:18:21

61.85

11

提供者:梁栩健

batch数据为64,循环次数为6次,通过在线上环境完成训练,模型最优精度评分为61.75。

2020-03-18 14:55:26

61.75

12

提供者:沙雕网友

batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为61.20。

2019-04-13 20:45:16

61.20

13

提供者:www

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为58.75。

Keras

SRNN

2019-04-14 18:45:40

58.75

14

提供者:弱鸡瑟瑟发抖

batch数据为500,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为57.30。

2020-01-27 20:08:29

57.30

15

提供者:ChangeBio

batch数据为64,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为55.20。

Keras

SRNN

2019-05-06 08:44:12

55.20

16

提供者:Jeremy

batch数据为128,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为53.55。

2019-10-14 02:44:06

53.55

17

提供者:迷途小书童

batch数据为32,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为46.70。

2019-09-18 14:08:15

46.70

18

提供者:yphacker

batch数据为32,循环次数为8次,通过在线上环境完成训练,模型最优精度评分为45.30。

2019-09-06 07:05:05

45.30

19

提供者:lbj

batch数据为128,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为33.55。

Keras

SRNN

2019-04-04 19:27:37

33.55

20

提供者:Smile婷

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为30.90。

Keras

SRNN

2019-04-14 19:03:40

30.90

21

提供者:Jtay2019

batch数据为128,循环次数为32次,通过在线上环境完成训练,模型最优精度评分为30.40。

Keras

SRNN

2019-05-23 01:29:16

30.40

22

提供者:smooklazz

batch数据为512,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为29.95。

Keras

SRNN

2019-04-18 23:50:12

29.95

23

提供者:慕先

batch数据为128,循环次数为128次,通过在线上环境完成训练,模型最优精度评分为29.80。

Keras

SRNN

2019-08-01 12:34:48

29.80

24

提供者:善假于物

10.00

batch数据为256,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为29.65。

Keras

SRNN

2019-04-02 02:22:10

10.00

29.65

25

提供者:看你很6哦

10.00

batch数据为128,循环次数为1500次,通过在线上环境完成训练,模型最优精度评分为29.65。

Keras

SRNN

2019-04-12 12:21:51

10.00

29.65

26

提供者:lightning-zgc

10.00

batch数据为32,循环次数为300次,通过在线上环境完成训练,模型最优精度评分为29.35。

Keras

SRNN

2019-03-29 02:58:48

10.00

29.35

27

提供者:Value_H

batch数据为64,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为29.30。

Keras

SRNN

2019-04-03 17:29:06

29.30

28

提供者:疯狂的大笨蛋

batch数据为256,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为29.30。

Keras

SRNN

2019-04-26 17:05:57

29.30

29

提供者:许震

batch数据为64,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为29.25。

Keras

SRNN

2019-04-09 15:28:22

29.25

30

提供者:就是很任性

batch数据为32,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为29.10。

Keras

SRNN

2019-04-02 18:04:22

29.10

31

提供者:troublemaker

batch数据为256,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为29.10。

Keras

SRNN

2019-04-12 09:50:57

29.10

32

提供者:zhiduanqingchang

batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为28.55。

Keras

SRNN

2019-04-04 22:57:16

28.55

33

提供者:444444

batch数据为32,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为28.55。

Keras

Transformer

2019-05-15 17:23:03

28.55

34

提供者:葱葱

10.00

batch数据为256,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为28.40。

Keras

SRNN

2019-04-02 22:46:10

10.00

28.40

35

提供者:Gavin

10.00

batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为28.30。

Keras

SRNN

2019-04-02 21:48:18

10.00

28.30

36

提供者:好名字可以让你的朋友更容易记住你啊

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为27.40。

Keras

SRNN

2019-04-03 21:40:11

27.40

37

提供者:ksboy

10.00

batch数据为32,循环次数为100次,通过在线上环境完成训练,模型最优精度评分为27.35。

Keras

SRNN

2019-04-01 21:08:33

10.00

27.35

38

提供者:岭南水电工

batch数据为64,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为27.05。

2019-07-17 18:42:40

27.05

39

提供者:Vincent

10.00

batch数据为128,循环次数为25次,通过在线上环境完成训练,模型最优精度评分为26.05。

Keras

SRNN

2019-04-01 18:54:47

10.00

26.05

40

提供者:xueming

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为25.90。

Keras

SRNN

2019-04-11 12:46:50

25.90

41

提供者:zghinfo

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为25.80。

Keras

SRNN

2019-04-08 13:32:21

25.80

42

提供者:麻婆豆腐

batch数据为128,循环次数为20次,通过在线上环境完成训练,模型最优精度评分为25.65。

Keras

SRNN

2019-07-01 18:56:17

25.65

43

提供者:越努力越幸运

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为25.55。

Keras

SRNN

2019-04-10 11:21:00

25.55

44

提供者:sea2603

batch数据为4,循环次数为2次,通过在线上环境完成训练,模型最优精度评分为25.00。

Keras

HAHNN

2020-08-28 06:40:38

25.00

45

提供者:调参小砖家

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为24.45。

Keras

SRNN

2019-06-18 20:09:19

24.45

46

提供者:低调菜

batch数据为256,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为23.85。

Keras

SRNN

2019-04-08 19:55:42

23.85

47

提供者:k一起旅行

batch数据为128,循环次数为200次,通过在线上环境完成训练,模型最优精度评分为22.90。

Keras

SRNN

2019-04-02 21:28:51

22.90

48

提供者:'code and paper'

batch数据为32,循环次数为500次,通过在线上环境完成训练,模型最优精度评分为22.30。

Keras

SRNN

2019-04-02 19:52:45

22.30

49

提供者:风雨兼程

10.00

batch数据为16,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为22.15。

Keras

SRNN

2019-03-18 11:51:55

10.00

22.15

50

提供者:LzM_

10.00

batch数据为128,循环次数为2000次,通过在线上环境完成训练,模型最优精度评分为21.10。

Keras

SRNN

2019-03-25 03:49:29

10.00

21.10

51

提供者:Simplexity

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为20.10。

Keras

SRNN

2019-04-12 14:38:30

20.10

52

提供者:菜菜来了

batch数据为256,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为20.00。

Keras

SRNN

2019-04-18 17:24:18

20.00

53

提供者:david-dzt

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为19.60。

Keras

SRNN

2019-04-07 21:51:27

19.60

54

提供者:harry_koney

10.00

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为19.40。

Keras

SRNN

2019-03-30 17:15:22

10.00

19.40

55

提供者:wqllr

10.00

batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为19.30。

Keras

SRNN

2019-04-01 18:45:36

10.00

19.30

56

提供者:圣上

batch数据为64,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为19.15。

Keras

SRNN

2019-04-02 20:28:02

19.15

57

提供者:baixin

10.00

batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为18.40。

Keras

SRNN

2019-04-01 19:42:33

10.00

18.40

58

提供者:虹猫少侠

batch数据为128,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为18.40。

Keras

SRNN

2019-04-06 04:26:33

18.40

59

提供者:DDBG

batch数据为128,循环次数为3000次,通过在线上环境完成训练,模型最优精度评分为18.40。

Keras

SRNN

2019-04-18 21:45:51

18.40

60

提供者:decoo

batch数据为128,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为18.05。

Keras

SRNN

2019-04-10 06:08:28

18.05

61

提供者:刘喵兄

batch数据为64,循环次数为10000次,通过在线上环境完成训练,模型最优精度评分为18.05。

Keras

SRNN

2019-04-15 16:05:31

18.05

62

提供者:Zhiyu Chen

batch数据为256,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为17.95。

Keras

SRNN

2019-04-13 07:43:00

17.95

63

提供者:致Great

batch数据为256,循环次数为4000次,通过在线上环境完成训练,模型最优精度评分为17.75。

Keras

SRNN

2019-04-09 16:59:04

17.75

64

提供者:GIANT731

10.00

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为17.65。

Keras

SRNN

2019-04-01 17:48:52

10.00

17.65

65

提供者:若素

batch数据为256,循环次数为50次,通过在线上环境完成训练,模型最优精度评分为17.15。

Keras

SRNN

2019-04-11 05:45:15

17.15

66

提供者:知而不智

batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为17.15。

Keras

SRNN

2019-05-25 01:08:15

17.15

67

提供者:cookie

10.00

batch数据为512,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为16.80。

Keras

SRNN

2019-03-27 21:27:17

10.00

16.80

68

提供者:poplar

batch数据为256,循环次数为9000次,通过在线上环境完成训练,模型最优精度评分为16.70。

Keras

SRNN

2019-06-10 08:41:31

16.70

69

提供者:trick_or_treat

batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为16.55。

Keras

SRNN

2019-04-06 03:57:25

16.55

70

提供者:葛臻晓Shindai

10.00

batch数据为128,循环次数为1000次,通过在线上环境完成训练,模型最优精度评分为16.40。

Keras

SRNN

2019-04-02 15:25:31

10.00

16.40

71

提供者:玉林

batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为16.10。

Keras

SRNN

2019-04-02 19:14:08

16.10

72

提供者:StrongXGP

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为14.85。

Keras

SRNN

2019-04-08 18:53:02

14.85

73

提供者:张皓

10.00

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为14.60。

Keras

SRNN

2019-03-16 14:32:32

10.00

14.60

74

提供者:itaowei

batch数据为32,循环次数为10次,通过在线上环境完成训练,模型最优精度评分为14.50。

Keras

SRNN

2019-04-21 00:24:40

14.50

75

提供者:Xin Yao

batch数据为64,循环次数为5次,通过在线上环境完成训练,模型最优精度评分为14.50。

Keras

SRNN

2019-08-05 18:43:06

14.50

76

提供者:快来追我呀

batch数据为512,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为13.90。

Keras

SRNN

2019-06-18 11:41:54

13.90

77

提供者:FC

batch数据为128,循环次数为5000次,通过在线上环境完成训练,模型最优精度评分为13.65。

Keras

SRNN

2019-04-15 10:24:04

13.65

78

提供者:你猜猜我是谁

batch数据为1,循环次数为1次,通过在线上环境完成训练,模型最优精度评分为3.85。

Keras

SRNN

2019-04-13 21:22:43

3.85

2019-04-01
ksboy

模型得分为27.35,本次获得实时奖励奖金为10

2019-04-01 21:08:33

看你很6哦

模型得分为17.2,本次获得实时奖励奖金为10

2019-04-01 20:40:21

葱葱

模型得分为28.1,本次获得实时奖励奖金为10

2019-04-01 20:08:04

善假于物

模型得分为13.05,本次获得实时奖励奖金为10

2019-04-01 19:58:10

Vincent

模型得分为15.6,本次获得实时奖励奖金为10

2019-04-01 19:44:36

baixin

模型得分为18.4,本次获得实时奖励奖金为10

2019-04-01 19:42:33

葛臻晓Shindai

模型得分为16,本次获得实时奖励奖金为10

2019-04-01 18:27:32

wqllr

模型得分为14.6,本次获得实时奖励奖金为10

2019-04-01 17:51:58

GIANT731

模型得分为17.65,本次获得实时奖励奖金为10

2019-04-01 17:48:52

2019-03-30
harry_koney

模型得分为19.4,本次获得实时奖励奖金为10

2019-03-30 17:15:22

2019-03-30
cclxx

模型得分为68.3,本次获得实时奖励奖金为32

2019-03-30 02:13:36

Gavin

模型得分为0,本次获得实时奖励奖金为10

2019-03-29 21:48:31

2019-03-29
lightning-zgc

模型得分为29.35,本次获得实时奖励奖金为10

2019-03-29 02:58:48

cclxx

模型得分为67.8,本次获得实时奖励奖金为60

2019-03-28 19:22:50

2019-03-28
cclxx

模型得分为66.8,本次获得实时奖励奖金为77

2019-03-28 02:23:16

cclxx

模型得分为65.35,本次获得实时奖励奖金为2

2019-03-28 02:09:52

cookie

模型得分为14.05,本次获得实时奖励奖金为10

2019-03-27 21:18:35

2019-03-26
cclxx

模型得分为14.4,本次获得实时奖励奖金为10

2019-03-26 12:54:22

2019-03-25
N_chit

模型得分为16.15,本次获得实时奖励奖金为10

2019-03-25 19:31:10

2019-03-25
LzM_

模型得分为21.1,本次获得实时奖励奖金为10

2019-03-25 03:49:29

2019-03-20
Hallo

模型得分为65.3,本次获得实时奖励奖金为51

2019-03-20 17:26:29

Hallo

模型得分为64.2,本次获得实时奖励奖金为306

2019-03-20 15:52:46

2019-03-18
风雨兼程

模型得分为18.85,本次获得实时奖励奖金为10

2019-03-18 11:47:57

2019-03-17
Hallo

模型得分为17.6,本次获得实时奖励奖金为10

2019-03-17 23:07:28

2019-03-16
张皓

模型得分为14.6,本次获得实时奖励奖金为10

2019-03-16 14:32:32

讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除

挑战者大赛 官方交流群

我的记录

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

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

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

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

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(第一次使用需要使用微信扫码登录)

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

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

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

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

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

7.使用自己的Python环境

flyai.exe path=xxx 可以设置自己的Python路径

flyai.exe path=flyai 恢复系统默认Pyton路径

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 Jupyter 代码调试环境

在终端执行命令 ./flyai ide 打开调试环境(第一次使用需要使用微信扫码登录) 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

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

或使用终端

执行下列命令本地安装环境并调试

./flyai test 注意:如果出现 permission denied 错误,需使用sudo运行

如果出现 No Model Name "xxx"错误,需在 requirements.txt 填写项目依赖

执行test命令,会自动下载100条测试数据到项目下

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

在FlyAI-Jupyter环境下运行 !./flyai 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

或者在终端下使用 ./flyai train -b=32 -e=10

项目中有新的Python包引用,必须在 requirements.txt 文件中指定包名,不填写版本号将默认安装最新版

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

7.使用自己的Python环境

./flyai path=xxx 可以设置自己的Python路径

./flyai path=flyai 恢复系统默认Pyton路径

更多参赛帮助请查看文档中心