Datawhale2026年夏令营语音技术方向学习记录

一、赛事背景介绍

赛事（基于用户注册信息的关键词检测挑战赛"https://challenge.xfyun.cn/h5/detail?type=KDBURI&ch=2026dsDW2"）由科大讯飞发起，中国信息协会联合主办。此次 AI 夏令营活动“https://ailc.datawhale.cn/hall/group/100000933/task/100000792”由Datawhale主办，个人理解此夏令营活动像是正式赛事的非正式预赛，用于推广赛事、帮忙感兴趣人员了解与深入探讨赛事、为正式赛事选拔人才。活动介绍如下。

赛事与赛题背景

• 技术领域：属于语音技术领域。

• 赛题核心：构建一个能根据用户注册语音自适应识别关键词的 AI 模型，解决零样本泛化、强噪声（-10 dB）及相似发音干扰等难点，推动语音唤醒从“厂家定制”走向“用户定制”。

• 赛道奖励：现金奖一等奖 5000 元、二等奖 3000 元、三等奖 2000 元。前三名受邀决赛答辩（成绩占比：作品分 70% + 答辩分 30%）。Top 团队可获得讯飞 AI 资源包、创业扶持及绿色就业/实习面试通道。

夏令营任务日程安排

• Day 0：完成报名并解锁实践项目。

• Day 1-2（截至 7月17日24:00）：80分钟跑通 Baseline 代码并拿下首分。*可获得魔搭社区免费算力与限时48小时的“破壁人徽章**”*。

• Day 3-7（截至7月22日24:00）：根据八个提分方向进行进阶挑战，参加技术交流会。可获得 AI 夏令营徽章及 Datawhale 官方结营证书。

• Day 7-9：持续上分并冲刺复赛入围名额。

学习者激励与证书获取

• 结营证书：需满足“完成全部任务学习打卡”以及“提交符合要求的赛事作品”两个条件，由 Datawhale 颁发。

• 社会实践证明：需至少获得 2026 年夏令营的 2 个不同方向的结营证书。

• 优秀学习者证书：每个班级群最多评选 3 个。通过输出高质量学习笔记/经验总结、群内活跃度或答疑等表现综合评选。

二、具体任务

2.1 Task01

Day 1-2（截至 7月17日24:00）：80分钟跑通 Baseline 代码并拿下首分。提交任务后，可获得魔搭社区免费算力与限时48小时的“破壁人徽章"。

2.2 Task02

Day 3-7（截至7月22日24:00）：根据八个提分方向进行进阶挑战，参加技术交流会。可获得 AI 夏令营徽章及 Datawhale 官方结营证书。

2.2.1 提分笔记

我将此keywork_detect 代码仓库下载到一个Ubuntu 20.04.3 LTS服务器上，并解压相关文件。使用conda创建虚拟python 3.12.13环境。服务器上安装有一个NVIDIA A40，安装的驱动与CUDA版本分别是：550.54.15、12.4。先使用代码仓库自带的requirements.txt安装了一些依赖的python组件，运行时发现提示CUDA无法使用，相关排查命令如下：

(py31213) root@controller01:/opt/code_repos/keyword_detect/baseline# python
Python 3.12.13 | packaged by Anaconda, Inc. | (main, Jul  9 2026, 14:38:16) [GCC 14.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.cuda.is_available()
/root/anaconda3/envs/py31213/lib/python3.12/site-packages/torch/cuda/__init__.py:188: UserWarning: CUDA initialization: The NVIDIA driver on your system is too old (found version 12040). Please update your GPU driver by downloading and installing a new version from the URL: http://www.nvidia.com/Download/index.aspx Alternatively, go to: https://pytorch.org to install a PyTorch version that has been compiled with your version of the CUDA driver. (Triggered internally at /__w/pytorch/pytorch/c10/cuda/CUDAFunctions.cpp:119.)
  return torch._C._cuda_getDeviceCount() > 0
False
...

(py31213) root@controller01:/opt/code_repos/keyword_detect/baseline# python -c "import torch; print(torch.__version__); print(torch.version.cuda)"
2.13.0+cu130
13.0

由此可以知道：此服务器上安装的 PyTorch 2.13.0+cu130 是 CUDA 13.0 编译版，但此服务器上的 NVIDIA 驱动最高只支持 CUDA 12.4。PyTorch 在初始化时检测到驱动提供的 CUDA Driver API 版本（12.4）低于它自身编译所需的版本（13.0），于是拒绝使用 GPU。

解决办法是：降级 PyTorch 到 CUDA 12.4 版本。具体操作如下：

# 先卸载当前的 PyTorch
pip uninstall torch torchvision torchaudio -y

# 安装 CUDA 12.4 版本的 PyTorch
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

# 验证
(py31213) root@controller01:/opt/code_repos/keyword_detect/baseline# python -c "import torch; print(torch.__version__); print(torch.version.cuda); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"
2.6.0+cu124
12.4
True
NVIDIA A40

2.2.1.1 训练尝试1-不改动任何代码

不改动任何代码直接执行训练

(py31213) root@controller01:/opt/code_repos/keyword_detect/baseline# python train.py
...
[epoch 9] seen=0.5974 unseen=0.5019 mean=0.5497 (18s)
  saved -> /opt/code_repos/keyword_detect/baseline/checkpoints/best.pt
  ep10 100/390 loss=0.9226
  ep10 200/390 loss=0.9132
  ep10 300/390 loss=0.9098
[epoch 10] seen=0.5960 unseen=0.4977 mean=0.5468 (18s)
done. best dev mean AUC = 0.5497

训练过程中可以看到GPU显存与利用率占用并不高：

训练完成后，执行推理：

(py31213) root@controller01:/opt/code_repos/keyword_detect/baseline# python infer.py 
loaded /opt/code_repos/keyword_detect/baseline/checkpoints/best.pt (dev mean AUC=0.5496893333333333)
total: 100000 rows
wrote /opt/code_repos/keyword_detect/baseline/submission.csv
(py31213) root@controller01:/opt/code_repos/keyword_detect/baseline# mv submission.csv submission02.csv

推理过程中GPU显存与利用率情况：