请查收！“全国大学生智能汽车竞赛”线上赛备赛指南
内容提要
「全国大学生智能汽车竞赛」是教育部倡导的大学生科技A类竞赛，已举办18届，每年吸引10万名大学生参加。完全模型组是比赛中深入使用人工智能技术的竞速组别，受到学生和教师们的欢迎。为了提高学生的深度学习经验，举办了培训直播课和新手教程。
延伸解读
竞赛背景与完全模型组定位
全国大学生智能汽车竞赛是教育部倡导的A类赛事，截至2023年已举办18届，每年吸引超10万名大学生参与。完全模型组作为深入使用人工智能技术的竞速组别，在传统竞速基础上引入更多AI元素，因而受到学生和高校教师的欢迎。对于参赛者而言，理解该组别对深度学习实践能力的要求，是备赛的第一步。
备赛资源与培训安排
为帮助参赛者积累深度学习经验，官方组织了线上培训直播课和新手教程。直播课于2024年3月2日11:00进行，由百度飞桨开发者技术专家郑博培主讲，内容覆盖目标检测任务从入门到进阶。此外，河池学院飞桨领航团团长黄德攒梳理了深度学习入门实践和线上赛打榜流程，为参赛者提供了系统的学习路径。
线上赛打榜流程关键步骤
线上赛打榜流程包括环境配置、数据准备、模型训练、模型测试和模型导出等步骤。环境配置需克隆PaddleDetection的develop分支；数据准备需解压官方数据集并转换标签格式；模型训练需调整超参数并注意中断恢复；模型测试和导出则需指定权重路径。这些步骤环环相扣，任何环节出错都可能影响最终提交。
常见错误与排查方向
线上练习赛常见错误包括“list index out of range”和“the predict.py script failed to run”。前者可能由模型标签配置不匹配、数据集问题或权重与config文件不一致导致；后者需检查依赖库和predict.py中的路径配置。参赛者遇到问题时，可参考提供的issue链接和安装文档，逐步排查环境与配置。
Q&A
全国大学生智能汽车竞赛是什么级别的比赛？
它是教育部倡导的大学生科技A类竞赛，被中国高等教育学会列为含金量最高的大学生竞赛之一。截至2023年已举办18届，每年吸引包括清华、上交、复旦、北航等500多所高校的超10万名大学生参加。
完全模型组有什么特点？
完全模型组是比赛中深入使用人工智能技术的竞速组别，引入了更多人工智能元素和技术，受到越来越多学生与高校教师的欢迎。
线上赛培训直播课的时间和讲师是谁？
培训时间为2024年3月2日11:00，讲师是百度飞桨开发者技术专家(PPDE)、前百度飞桨北京领航团团长郑博培，培训内容为目标检测任务从入门到进阶。
深度学习入门实践和线上赛打榜的流程有哪些步骤？
共6步：1.环境配置；2.安装依赖；3.数据准备；4.参数调整与模型训练；5.模型测试；6.模型导出与提交。
线上赛常见错误'list index out of range'如何解决？
可参考两个issue链接（PaddleSpeech和PaddleX的issue）。可能原因：1.模型的标签配置与模型不匹配；2.数据集有问题；3.模型导出时对应权重与对应的config文件不一致。
模型训练时如何调整超参数？
在picodet_m_320_coco_lcnet.yml中调整，例如：epoch总训练轮数（调大可能提高性能但可能过拟合），batch_size（调大可能提高训练速度但可能导致GPU内存不足），base_lr基础学习率（调大可能加速收敛但可能导致发散）等。
