kaggle比赛与常用的dash board 3lc

3lc与kaggle

kaggle比赛是一个很适合机器学习的初学者或者从业者参加的系列比赛，并且大多配有奖金，按照我的理解，比美国大学生数学建模竞赛更加可靠。kaggle比赛如果拿到名次的话也是可以写到简历的，并且其本身就是一个很好的实践学到的机器学习理论的方法。有很多著名的模型都是在kaggle类似的比赛中被提出并应用的。

按照某子比赛cotton weed detection challenge官方的说明文档，3lc是作为一个线上dash board训练观测可视化平台，本身意义不是很大，但可以理解的是，因为kaggle比赛举办需要奖金所以3lc就成为了一些kaggle比赛的金主。3lc主要是yolo系列比赛的金主，所以有趣的是居然像modelscope抄openai一样，3lc也搞了个3lc-ultralytics库。众所周知，ultralytics是yolo8支持的基础库。

kaggle下载

kaggle官方给的命令十分简单：

python 复制代码

kaggle competitions download -c the-3lc-cotton-weed-detection-challenge

但是实测用该命令是没有下载成功的。最后的解决办法是用了土办法，首先点击官网的下载按钮并复制链接，然后再用python 的wget库来下载。示例代码如下：

python 复制代码

import wget

url =""  # 文件名

# 下载到和.py同路径
wget.download(url, out=output_filename)

然后下好了.zip压缩包后再用unzip filename给解压即可。

3lc的ubuntu安装

bash 复制代码

pip install 3lc-ultralytics

这样一个命令就可以安装，随后要去登陆注册该网站https://dashboard.3lc.ai/并获得一个api key。

随后用

bash 复制代码

3lc login <api-key>

登陆并通过3lc service开启本地服务。然后就会在本地或者服务器开一个通信端口，再把这个端口和dash board连上就行，就像插根数据线一样。

将本地项目（kaggle下载的）注册到3lc

python 复制代码

import tlc
from pathlib import Path

# Define constants for 3LC registration
PROJECT_NAME = "kaggle_cotton_weed_detection"
DATASET_NAME = "cotton_weed_det3"
WORK_DIR = Path(".")
DATASET_YAML = WORK_DIR / "dataset.yaml"


print("=" * 70)
print("DATA REGISTRATION")
print("=" * 70)

# ============================================================================
# IDEMPOTENCY CHECK - Safe to run multiple times
# ============================================================================
try:
    # Check if tables already exist
    existing_train = tlc.Table.from_names(
        project_name=PROJECT_NAME,
        dataset_name=DATASET_NAME,
        table_name=f"{DATASET_NAME}-train1",
    )
    existing_val = tlc.Table.from_names(
        project_name=PROJECT_NAME,
        dataset_name=DATASET_NAME,
        table_name=f"{DATASET_NAME}-val1",
    )

    print("\n⚠️  Tables already exist!")
    print(f" Training: {len(existing_train)} samples")
    print(f" Validation: {len(existing_val)} samples")
    print("\n✅ Using existing tables (no duplicates created)")
    print(" This cell is safe to run multiple times!")

    # Set variables for compatibility
    train_table = existing_train
    val_table = existing_val

except Exception:
    # Tables don't exist, create them
    print("\n✅ No existing tables - creating new ones...")

    # Create training table
    print("\n Creating training table...")
    train_table = tlc.Table.from_yolo(
        dataset_yaml_file=str(DATASET_YAML),
        split="train",
        task="detect",
        dataset_name=DATASET_NAME,
        project_name=PROJECT_NAME,
        table_name=f"{DATASET_NAME}-train1",
    )

    # Create validation table
    print(" Creating validation table...")
    val_table = tlc.Table.from_yolo(
        dataset_yaml_file=str(DATASET_YAML),
        split="val",
        task="detect",
        dataset_name=DATASET_NAME,
        project_name=PROJECT_NAME,
        table_name=f"{DATASET_NAME}-val1",
    )

# Display registration results
print("\n✅ Tables created successfully!")
print("=" * 70)
print("\n Training Table:")
print(f"   Samples: {len(train_table)}")
print(f"   URL: {train_table.url}")

print("\n Validation Table:")
print(f"   Samples: {len(val_table)}")
print(f"   URL: {val_table.url}")

print("\n" + "=" * 70)
print("✅ Phase 1 Complete: Dataset Registered with 3LC!")
print("=" * 70)

print("\n Next Steps:")
print("  (Optional) Explore tables in Dashboard: https://dashboard.3lc.ai")

跑这段代码就是把本地的项目注册到dash board随后会返回training table和validation table的两个地址，后续的程序运行需要这些。