概述
简述
C3D模型使用经过大规模视频数据集预训练的3D ConvNets来学习视频的时空特征,可以同时对外观和运动信息进行建模,在各种视频分析任务上,证明了其采用的3D ConvNets优于2D ConvNet特征,是一个经典的视频时空特征提取backbone网络。
参考实现:
url=https://github.com/open-mmlab/mmaction2/blob/master/configs/recognition/c3d/README.md commit_id=2b6f9ac69b3609b96a514501ffe30fc90545f518
适配昇腾 AI 处理器的实现:
url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/cv/video
通过单击“立即下载”,下载源码包。
准备训练环境
准备环境
当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。
表 1 版本支持表
Torch_Version 三方库依赖版本 PyTorch 1.5 torchvision==0.2.2.post3 PyTorch 1.8 torchvision==0.9.1 环境准备指导。
请参考《Pytorch框架训练环境准备》。
安装依赖。
在模型源码包根目录下执行命令,安装模型对应PyTorch版本需要的依赖。
pip install -r 1.5_requirements.txt # PyTorch1.5版本 pip install -r 1.8_requirements.txt # PyTorch1.8版本
说明: 只需执行一条对应的PyTorch版本依赖安装命令。
安装 mmcv(在模型源码包根目录下执行以下操作)。
export GIT_SSL_NO_VERIFY=1 git config --global http.sslVerify false git clone -b v1.3.9 --depth=1 https://github.com/open-mmlab/mmcv.git source ./test/env_npu.sh; cd mmcv; python3.7 setup.py build_ext; python3.7 setup.py develop
修改mmcv。
cp ./additional_need/mmcv/distributed.py ./mmcv/mmcv/parallel/ cp ./additional_need/mmcv/test.py ./mmcv/mmcv/engine/ cp ./additional_need/mmcv/dist_utils.py ./mmcv/mmcv/runner/ cp ./additional_need/mmcv/optimizer.py ./mmcv/mmcv/runner/hooks/ cp ./additional_need/mmcv/epoch_based_runner.py ./mmcv/mmcv/runner/
准备数据集
获取数据集。
用户自行获取原始数据集,可选用的开源数据集包括ucf101等,将获取好的数据集上传至在源码包根目录下新建的"data/"文件夹下并解压。
以ucf101数据集为例,数据集目录结构参考如下所示。
data ├── ucf101 │ ├── ucf101_{train,val}_split_{1,2,3}_rawframes.txt │ ├── ucf101_{train,val}_split_{1,2,3}_videos.txt │ ├── annotations │ ├── rawframes │ │ ├── ApplyEyeMakeup │ │ │ ├── v_ApplyEyeMakeup_g01_c01 │ │ │ │ ├── img_00001.jpg │ │ │ │ ├── img_00002.jpg │ │ │ │ ├── ... │ │ │ │ ├── flow_x_00001.jpg │ │ │ │ ├── flow_x_00002.jpg │ │ │ │ ├── ... │ │ │ │ ├── flow_y_00001.jpg │ │ │ │ ├── flow_y_00002.jpg │ │ ├── ... │ │ ├── YoYo │ │ │ ├── v_YoYo_g01_c01 │ │ │ ├── ... │ │ │ ├── v_YoYo_g25_c05
说明: 该数据集的训练过程脚本只作为一种参考示例。
开始训练
训练模型
进入解压后的源码包根目录。
cd /${模型文件夹名称}
运行训练脚本。
该模型支持单机单卡训练和单机8卡训练。
单机单卡训练
启动单卡训练。
bash ./test/train_performance_1p.sh #单卡性能 bash ./test/train_full_1p.sh #单卡精度 bash ./test/test_1p.sh #单卡精度测试
单机8卡训练
启动8卡训练。
bash ./test/train_performance_8p.sh #8卡性能 bash ./test/train_full_8p.sh #8卡精度 bash ./test/test_8p.sh #8卡精度测试
模型训练脚本参数说明如下。
公共参数: --data_path //数据集路径 --batch_size //训练批次大小 --validate //启动验证 --rank_id //训练卡id --seed //种子设定
训练完成后,权重文件保存在当前路径下,并在test/output中输出模型训练精度和性能信息。
训练结果展示
表 2 训练结果展示表
NAME | Acc@1 | FPS | Epochs | AMP_Type | Torch_version |
---|---|---|---|---|---|
1p-竞品V | - | - | - | - | - |
8p-竞品V | - | - | - | - | - |
1p-NPU | - | 58.93 | 1 | O2 | 1.8 |
8p-NPU | 81.42 | 443.83 | 30 | O2 | 1.8 |
版本说明
变更
2023.02.13:更新readme,重新发布。
2021.02.14:首次发布。
FAQ
无。