training_template_for_AI_challenger_sea8
training_template_for_AI_challenger_sea8 copied to clipboard
Example code of [Tianchi AAAI2022 Security AI Challenger Program Phase 8]
中文版 | English
为了更好的研究以数据为中心的鲁棒机器学习,我们公开了初赛/复赛的测试集合,供大家使用:
初赛测试集:https://drive.google.com/file/d/1CtK2tkYncn5uX4OJH4QQAFO_NN6ocEzy/view?usp=sharing
复赛测试集:https://drive.google.com/file/d/1ZofA9X2cMtGC7fXA7_Qrr-1KhL3fo3u-/view?usp=sharing
使用方法
该代码是AAAI2022 安全AI挑战者计划第八期:Data-Centric Robust Learning on ML Models复赛阶段的训练示例。选手可简单的使用以下两条命令训练wideresnet
以及preactresnet18
模型:
git clone https://github.com/vtddggg/training_template_for_AI_challenger_sea8.git && cd training_template_for_AI_challenger_sea8
sh train.sh
运行完成后,会在当前路径下产生Dataset.zip
文件,选手可直接上传该文件作为官方提供的baseline成绩
创建自己的提交
选手必须提交一个压缩包(包含data.npy
, label.npy
, config.py
, wideresnet.pth.tar
以及preactresnet18.pth.tar
),这5个文件分别通过以下步骤生成:
-
data.npy
,label.npy
,config.py
三个文件可由选手自己创建和修改,作为自定义的训练数据和config,但需要满足赛题中给出的限制。除了训练数据和config,另外在training_template_for_AI_challenger_sea8
目录下的训练代码.py
文件均固定,不可擅自改动。 -
将以上三个文件替换到training_template_for_AI_challenger_sea8中,执行
sh train.sh
训练 -
训练完毕后,将生成的
Dataset.zip
提交至比赛页面
需要注意的是,在测试提交结束后,我们会验证选手的训练结果,因此,请时刻注意压缩包中的wideresnet.pth.tar
和preactresnet18.pth.tar
确实是由对应的data.npy
, label.npy
, config.py
训练生成的
感谢大家的参与,最后预祝各位参赛选手取得好成绩!