|
Download README.md from Beifengdo/Zhihai-Weather-Classification-Competition: direct link, hf CLI and curl.
- Browser
- Download file 2.55 kB
-
https://huggingface.co/datasets/Beifengdo/Zhihai-Weather-Classification-Competition/resolve/main/README.md
- Command line
-
hf download hf://datasets/Beifengdo/Zhihai-Weather-Classification-Competition/README.md
-
curl -L -o README.md https://huggingface.co/datasets/Beifengdo/Zhihai-Weather-Classification-Competition/resolve/main/README.md
2.55 kB
metadata
pretty_name: Zhihai Weather Classification Competition Archive
language:
- zh
- en
task_categories:
- image-classification
tags:
- weather
- computer-vision
- competition
智海算法调优赛:天气分类数据、代码与权重
完整归档用户提供的「智海算法调优赛专属固态硬盘」目录,共61,137个原文件、约4.25GB。本仓库独立保留这批赛事资料,不改变其他天气资料仓库。
数据与代码
- 六类天气图片实际共59,996张:cloudy/haze/rainy/sunny/thunder各10,000张,snow为9,996张。原数据说明写60,000张,清点值与其差4张,按实际文件保留,不补造。
- 四类天气图片共1,125张:Cloudy 300、Rain 215、Shine 253、Sunrise 357。
- 原有classification.zip、多类天气数据集.zip及代码ZIP均原样保留;解压目录也保留,故归档总量包含重复版本。
- 代码/train.py为FastViT-SA12六分类训练实现,默认90%训练/10%验证、seed=42、AdamW、20 epochs;代码/predict.py和best_model.pth一并保留。
- 嵌套Multiclass-weather-classification-Pytorch项目是另一份四类天气分类参考代码,保留原README和MIT LICENSE,不能直接视为六类checkpoint的模型实现。
- 技术报告、核心要求Word文档、赛事文件PDF和两篇参考论文均保留。
研究说明与使用边界
技术报告记录89.58%验证准确率,该数字是源报告陈述;本次仅归档及验证字节完整性,未运行训练或复现实验。代码仍保留原本E盘绝对路径,使用前按实际下载位置修改。赛事文件为原始历史资料,不表示当前赛事规则仍适用。
六类数据原说明声明CC-BY 4.0,并要求注明和鲸社区KOTO来源及引用RSCM论文;完整来源和引用保存在天气数据集/多类天气图片数据集_readme.md。四类参考代码MIT授权仅适用于该项目,其他图片、论文、赛事资料及权重保留各自来源和权利说明,本仓库不为全部资料新增统一授权。
下载与恢复
图片目录采用ZIP_STORED/ZIP64打包,ZIP成员保留相对于原目录根的完整路径。下载后将生成归档解压到同一个目录;原有ZIP按原路径保留。archive-manifest.json记录每个原文件的路径、大小、SHA256、所在上传单元及成员位置,可区分kind=zip的生成包与kind=raw的原有文件。完整清单在全部单元上传并匿名回读核验后发布。
归档日期:2026-11-15。本地原件保留。