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

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

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：

1. 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。

2. 将以上三个文件替换到training_template_for_AI_challenger_sea8中，执行sh train.sh训练

3. 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！