中文版 | English
该代码是AAAI2022 安全AI挑战者计划第八期:Data-Centric Robust Learning on ML Models的训练示例。选手可简单的使用以下两条命令训练resnet50
以及densenet121
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
为了重现训练过程,代码中的所有random seed已经固定,我们鼓励选手在新版本的pytorch上进行训练。推荐使用pytorch官方docker:pytorch/pytorch:1.8.1-cuda10.2-cudnn7-runtime
我们公开了在GeForce RTX 2080Ti上的训练日志,需要注意在不同型号的GPU设备上训练可能会产生略有差异的结果,这些小差异在最终做成绩验证时可忽略
选手必须提交一个压缩包(包含data.npy
, label.npy
, config.py
, resnet50.pth.tar
以及densenet121.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resnet50.pth.tar
和densenet121.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!