訂閱業界RSS CSDN首頁> 業界

第四范式AutoDL 2019收官戰正式打響 堪稱史上最難

發表于2020-01-17 09:51| 來源互聯網| 作者互聯網

摘要:近日,由第四范式、 ChaLearn 、谷歌聯合主辦的第五屆 AutoDL 挑戰賽正式開賽。作為 NeurIPS 2019 系列比賽的收官之戰,此次 AutoDL 挑戰賽結合了 AutoCV 、 AutoCV2 、 AutoNLP 、 AutoSpeech 等多項賽事 , 旨在讓參賽選手設計開發出可解決結構化數據、文本、語音、圖像、自然語言處理等不同領域的全自動多分類通用系統...

近日,由第四范式、ChaLearn、谷歌聯合主辦的第五屆“AutoDL挑戰賽”正式開賽。作為NeurIPS 2019系列比賽的收官之戰,此次“AutoDL挑戰賽”結合了AutoCV、AutoCV2、AutoNLP、AutoSpeech等多項賽事,旨在讓參賽選手設計開發出可解決結構化數據、文本、語音、圖像、自然語言處理等不同領域的全自動多分類通用系統。  

近年來,深度學習技術飛速發展,并已在語音識別、圖像識別、文本分類等領域取得了重要進展,這也促使了深度學習技術需求量的大幅增加。然而,該技術的實現仍然需要大量的專家經驗和人工成本。因此,可自動構建深度學習系統的AutoDL技術備受關注。此前,第四范式已先后組織了面向圖像、語音、自然語言處理等技術領域的AutoDL系列賽事,此次AutoDL挑戰賽”難度設置進一步加大,比賽不只局限在單一技術領域,而是希望通過一套系統應用在多個領域,以推動AutoDL技術的落地應用及快速發展。

參賽報名頁面:https://www.automl.ai/

關于比賽

主辦方為本次“AutoDL挑戰賽”準備了語音、視頻、圖像、文本、表格等不同領域的15組數據集,其中包括5個離線公共數據集(用于選手開發和訓練自己的AutoDL程序)、5個線上公共數據集(用于盲測,選手無法獲得數據集任何信息)、5個私有數據集(用于盲測,選手無法獲得數據集任何信息)。比賽平臺將提供統一配置的GPU服務器進行相同環境相同計算資源的測試,并設定每個評測數據集的運行時長。選手也可使用自行訓練的預訓練模型。

本次挑戰賽分為兩個階段(反饋階段、最終階段)。在反饋階段,參賽選手首先通過下載五個訓練數據集,離線開發自己的AutoDL程序,實現從訓練數據、模型結構設計、參數調校等過程。然后將自己的AutoDL程序代碼上傳到比賽平臺上,通過另外五個線上公共數據集測試,得到程序性能的即時反饋。在最終階段,參賽選手的AutoDL程序將在沒有人工干預的前提下,通過五個私有數據集進行評估。最終階段的排名將決定獲勝者。

賽事挑戰

作為史上最難的“AutoDL挑戰賽”,參賽選手將面臨如下挑戰

-如何在不同的數據中自動發現有效信息?

-如何為不同領域的任務自動提取有用特征?

-如何自動處理不同領域的數據?

-如何自動設計有效的神經網絡結構?

-如何構建和自動調整預先訓練的模型?

同時,參賽選手需考慮:

-如何自動高效地選擇恰當的機器學習模型與超參數? 

-如何提高解決方案的通用性?即如何保證解決方案在未知任務中的適用性?

-如何控制計算和內存成本?

賽程時間

20191214日:反饋階段開始,離線公共數據集發布。參賽選手可以開始提交代碼并在排行榜中獲得即時反饋。

20191219日:開源 Baseline 3。

2020220日:反饋階段結束。

2020220日:最終階段開始。

2020224日:最終階段結束。

2020315日前:比賽優勝團隊被邀請投稿至IEEE Transactions on PAMIAutoML Special Issue。

賽事獎勵

第一名: $2000

第二名: $1500

第三名: $500

AutoML系列賽事

- AutoML @PAKDD 2018

- AutoML @NeurIPS 2018

- AutoML @PAKDD 2019

- AutoML @KDDCUP 2019

- AutoCV @IJCNN 2019

- AutoCV2 @ECML PKDD 2019

- AutoNLP @WAIC 2019

-  AutoSpeech @ACML 2019

-  AutoWSL @ACML 2019

极速快3和值大小公式