攻略 | 如何拿下奖金534万的全国人工智能大赛?

全国人工智能大赛已连续成功举办三届,累计吸引全球20个国家、1万多支队伍参与竞技,已成为人工智能领域参与规模和影响力都名列前茅的顶级赛事。作为头部科技企业、高等院校和科研院所的链接平台,大赛在促进产学研融合、推动多项成果落地方面成效显著,为粤港澳大湾区成功引入20多位高端人才。

2023年,第四届全国人工智能大赛正在火热报名中。本届大赛由深圳市科技创新委员会、鹏城实验室共同主办,新一代人工智能产业技术创新战略联盟(AITISA)承办,华为技术有限公司、中国工商银行股份有限公司深圳市分行、中国农业银行股份有限公司深圳市分行、中国建设银行股份有限公司深圳市分行、深圳市鹏城实验室科教基金会共同协办。大赛共设置3个赛题,总奖金池534万元,冠军团队可独揽百万奖金!AI爱好者们快来破解真实难题,赢取百万大奖吧!

学长力荐 往届选手高度评价

“大赛的赛事规格和赛事水平都很高,奖金非常吸引人,我会持续关注并参与报名。”

——往届一等奖团队成员 郭嘉逸

“题目研究的内容是世界最前沿的课题,需要综合运用数据分析、深度学习算法、经典算法、工程优化等一系列复杂的技术,非常贴近实战要求,这绝对是世界顶级水平的赛事。”

——往届一等奖团队成员 陈福立

“大赛赛题很新颖,对于整个领域研究的指导意义非常大。大赛期间激发了我们很多日常工作中没有想到的解决方法、idea和灵感,我相信这些灵感会在未来研究中有起到很好的指导作用。”

——往届二等奖团队成员 肖寒

“比赛过程中收获很大,一方面是看了一些通信相关的论文,在参赛过程中补充了很多通信领域的知识。另一方面,我们在跟这么多高手同台竞技的过程中,也学习到了很多东西,调参和训练各方面技术水平提升了很多。”

——往届三等奖团队成员 刘畅

权威比赛、含金量高、高手对决,相信在这场高端智慧局中,思想的碰撞将会产生超多创意的火花,技术的交流也会迸发更多破题的秘法!看往届TOP“学长”有的跨越学科,攻下他山之玉;有的尽展所长,在自己擅长的赛道上实现新跃升。参赛的你,也一定会有所收获!

三大赛题 公开征集解决方案

本届大赛设有“AI+视觉特征编码”、“AI+无线通信”和“AI+视频质量评价”三个赛道,广邀人工智能、通信、智能视觉、工业互联网、大数据应用等领域技术人才与创新团队围绕明确需求、特定场景进行数据处理,构建具有创新思路、技术先进与广泛应用能力的算法模型,形成解决方案。

赛道一:“AI+无线通信”

赛道说明:AI+无线通信赛道将摒弃物理层信道测量、信道反馈等传统方法,基于无线地图的无反馈通信系统设计,挖掘无线大数据中的隐藏地理信息,利用AI射频地图使能高效信息传输,进一步提升空口资源使用效率,为下一代无线接入网(RAN)技术提供理论支撑与技术验证。

赛道链接:

https://naic.pcl.ac.cn/contest/17/51/79

赛道二:“AI+视觉特征编码”

赛道说明:AI+视觉特征编码赛道将面向智能交通场景的事件检测任务,针对特征流式数据进行压缩重建,通过高维张量编码,提升任务精度和视觉分析的综合性能;通过引入特征流与模型学习的泛化能力测试,验证真实应用场景下技术泛化能力,对特征流式数据的压缩重建利用提出了更高要求。

赛道链接:

https://naic.pcl.ac.cn/contest/17/52/80

赛道三:“AI+视频质量评价” 

赛道说明:AI+视频质量评价赛道是全球首个面向广色域、高帧率、高比特数4K超高清视频压缩质量评价的人工智能赛道,采用更高格式视频序列和更专业的主观标签数据集,挖掘准确性高、鲁棒性强的AI评价算法,提升视频传输分发质量,保障视听媒体用户体验。

赛道链接:

https://naic.pcl.ac.cn/contest/17/53/81

多重激励 深度扶持高端人才

此次大赛获奖团队将获得官方荣誉加冕,不仅可领取百万奖金,还有更多优惠政策助力选手在人工智能领域扬帆远航!

1、所有提交作品的选手均可获得电子参赛证书一份。

2、本届大赛共设置3个赛题,单个赛题奖金178万元,大赛总奖金共计534万元。

奖项

数量

奖金

(万元)

一等奖

1

100(含50万突出贡献奖)

二等奖

2

20

三等奖

3

10

优胜奖

4

2

注:一等奖100万元中,决赛冠军可获得50万元奖金,如其方案有重大创新和突破且被鹏城实验室重大攻关项目采用,可再获得50万元突出贡献奖励。

大赛组委会另设更多优惠政策助力选手深耕人工智能领域:

1、参赛项目及团队经过评估将有机会在鹏城实验室立项,获得鹏城实验室科研经费支持及人才政策支持

2、入围决赛且决赛获奖的团队选手,待成立企业后,按规定给予创新创业资助支持,选手政策支持自参赛次年起两年内有效。

3、大赛决赛获奖团队可获得组委会颁发的奖金和相关政策支持

4、落户深圳的大赛优秀项目,可获得各区资金、场地等配套支持

5、组委会鼓励参赛队伍开源作品,对开源的团体,将考虑额外奖励

赛题答疑 专家解析助你破题

本届大赛赛题任务难度升级,为了帮助参赛选手们更快速且正确地参悟赛题、更合理地运用AI相关技术,大赛组委会特别邀请专家进行赛题直播答疑,为选手们提供了更多破题思路。

如需获取三大赛道赛题解读PPT内容,请关注微信公众号“全国人工智能大赛”并发送对应关键词“AI+无线通信”、“AI+视觉特征编码”、“AI+视频质量评价”

悬赏活动 额外激励等你参与

为了激发AI爱好者的参赛热情,大赛还开启多项特别活动。活动门槛较低,参与就有很大机会获奖!

1、邀请有礼活动

2023年7月10日前,成功邀请10人报名参赛,即可领取DF定制U盘(128G)一个;邀请报名人数超过10人且在邀请排行榜前十,还可额外获得专属周边礼品!

2、Baseline悬赏挑战

2023年6月23日(中午12:00)前,发布合规baseline至DF平台(datafountain.cn)相应赛题“交流讨论”专题页,即可获得300元京东购物卡,每赛题限量3份,先到先得!

注:活动参与者请务必在提交baseline前12小时内填写表单进行报备。(https://jinshuju.net/f/OANtTN)

快速通道 报名夺奖刻不容缓

别犹豫,时不我待,早点报名就离大奖更进一步!

点击大赛官网立即报名:

http://go.datafountain.cn/BiwTS3

请锁定大赛官方公众号“全国人工智能大赛”及大赛支持平台公众号“DataFountain”,我们将第一时间为您送上最新动态及赛事资讯!

<think>嗯,用户遇到了两个PyTorch的问题,一个是关于`addcmul_`方法的弃用警告,另一个是`argmax`的维度越界错误。我得先分别分析这两个问题,然后给出解决方案。 首先,`addcmul_`被弃用,应该用`torch.mul`和`torch.add`的组合来代替。原来的`addcmul_`方法可能是在做类似`tensor.addcmul_(value, tensor1, tensor2)`的操作,现在需要分解成乘法后加上去。例如,用`tensor = tensor.add(tensor1.mul(tensor2).mul(value))`这样的结构替换。同时,要注意就地操作可能需要使用`_`后缀的函数,但用户需要确认是否真的需要修改原张量,可能的话用非就地操作更安全。 然后是`argmax`的维度越界错误。`argmax`需要指定正确的维度参数`dim`,用户可能没有传递这个参数,或者传递了超出张量维度的值。比如,如果一个张量是二维的,维度只能是0或1,如果用户传了dim=2就会出错。需要检查张量的维度,并确保`dim`参数正确。另外,如果用户升级了PyTorch版本,可能某些函数的默认行为有变化,比如之前可能默认在某个维度操作,现在需要显式指定。 还要注意用户提到的错误信息里的`ValueError: could not convert string to float: '(16)'`。这可能是在处理数据时,字符串格式有问题,比如括号导致无法转换为浮点数。需要检查数据预处理步骤,确保输入数据是正确的数值格式,没有额外的字符。 最后,用户可能需要综合调整代码,处理弃用警告和维度错误,同时检查数据处理的流程是否有问题。建议用户逐步测试每个修改,确保每一步都正确,避免同时修改多处导致问题难以定位。</think>以下分步骤解决PyTorch中addcmul_方法的弃用警告和argmax维度越界错误: ### 一、addcmul_弃用警告解决方案 1. **问题定位**:`addcmul_`在PyTorch 1.9+版本已被标记为弃用,原方法实现张量的逐元素乘加操作: $$ tensor = tensor + value \times tensor1 \times tensor2 $$ 2. **推荐替代方案**: ```python # 原弃用写法 tensor.addcmul_(tensor1, tensor2, value=scalar) # 新标准写法(分解操作) tensor = tensor + scalar * tensor1 * tensor2 # 或显式使用数学运算符 tensor = torch.add(tensor, torch.mul(torch.mul(tensor1, tensor2), scalar)) ``` 3. **就地操作处理**: ```python # 若必须保持就地操作,使用带下划线的函数 tensor.add_(torch.mul(torch.mul(tensor1, tensor2), scalar)) ``` ### 二、argmax维度越界错误解决方案 1. **错误复现场景**: ```python # 当输入张量维度为2D时 outputs = model(inputs) preds = torch.argmax(outputs) # 缺少dim参数会触发错误 ``` 2. **根本原因**: - 在PyTorch 1.10+版本中,高维张量必须显式指定`dim`参数 - 错误提示`IndexError: dimension out of range`表明dim参数超过张量实际维度 3. **正确用法**: ```python # 对分类任务输出层处理(假设outputs是2D张量) preds = torch.argmax(outputs, dim=1) # 在特征维度取最大值 # 验证张量维度 print(outputs.shape) # 应显示类似(batch_size, num_classes) ``` ### 三、关联错误排查 1. **数据类型匹配**: ```python # 检查张量是否包含字符串类型数据[^1] if outputs.dtype != torch.float32: outputs = outputs.float() ``` 2. **版本兼容性检查**: ```python import torch print(torch.__version__) # 推荐使用1.12+版本 ``` ### 四、完整修复示例 ```python # 修复addcmul_和argmax的典型代码段 def forward(self, x): # 替代addcmul_操作 residual = x x = self.conv(x) x = torch.add(residual, torch.mul(x, self.alpha)) # 替代addcmul_ # 正确维度argmax outputs = self.classifier(x) return torch.argmax(outputs, dim=1) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值