新手复现SATNet代码详解STANet/options/train_options.py

已于 2023-03-19 20:27:58 修改
阅读量659 收藏 3
点赞数
分类专栏： # STANet复现 文章标签： python 计算机视觉 深度学习
于 2023-03-19 10:48:47 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/VIAww/article/details/129640233
版权
本文详细解析了SATNet项目中STANet/options/train_options.py文件，涵盖initialize方法、visdom和HTML可视化参数、网络保存加载选项以及训练参数设定，适合深度学习和计算机视觉的新手进行代码学习。
摘要由CSDN通过智能技术生成

SATNet/options/train_options.py

继承于BaseOption

这个类定义训练选项。
它还包括在BaseOptions中定义的共享选项。

initialize方法

  • visdom和HTML可视化参数
    display_freq:训练结果在屏幕上显示的频率，默认400
    display_ncols:如果是正的，在一个visdom web面板中显示所有图像，每行显示一定数量的图像。默认4
    display_id:web显示的窗口id，默认1
    display_server:web显示的Visdom服务器，默认http://localhost
    display_env:Visdom显示环境名称，默认为"main"
    display_port:web显示的Visdom端口，默认8097
    update_html_freq:将训练结果保存为HTML的频率，默认1000
    print_freq:在控制台显示训练结果的频率，默认100
    no_html:不要将中间训练结果保存到[opt.checkpoint dir]/[opt.name]/web/
  • 网络保存和加载参数
    save_latest_freq:保存最新结果的频率，默认为5000
    save_epoch_freq:在每个epoch结束时保
最低0.47元/天 解锁文章
橡皮鸭小队长
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
视频图matlab代码-STANet:STANet
05-27
视频图matlab代码Pytorch实施（v1） 从语义类别到注视：一种新型的弱监督视觉听觉显着性检测方法， 抽象的 由于深度学习技术的飞速发展和大规模训练集的广泛普及，视频显着性检测模型的性能一直在稳步提高。 但是，基于深度学习的视听固定预测仍处于起步阶段。 目前，只有少数视听序列具有在真实视听环境中记录的真实注视。 因此，在相同的视听情况下重新收集真实的注视既没有效率，也没有必要。 为了解决这个问题，本文提出了一种以弱监督的方式提出的新颖方法，以减轻大规模培训对视听模型训练的需求。 通过仅使用视频类别标签，我们提出了选择性类激活映射（SCAM），该方法遵循从粗到精的策略来选择时空音频情况下最具区分性的区域。 此外，这些区域显示出与真实人眼注视的高度一致性，后者随后可以用作伪GT来训练新的时空音频（STA）网络。 在不依靠任何实际手段的情况下，我们的STA网络的性能可与完全监督的网络相媲美。 依存关系 GTX1080Ti python 3.6 Matlab R2016b pytorch 1.2.0 声音文件 科学的 准备 1，下载官方预训练模型net = torch.hub.load
（转）解决复现变化检测网络STANet网络报错问题
weixin_44306095的博客
06-01 251
从网上查了很久也没有得到解决，心想应该是某个包的问题，因为通常的问题网上一般都有答案。在我又找了许久之后，终于在本文开头的原文章中找到了解决办法！（果然是包版本更新的问题）直接在models的CDFAmodel的85行前向传递函数中添加一句代码：self.dist = self.dist.permute(0, 3, 1, 2)具体解释大家可以去看原博主的解答。根据需要自行修改即可。batchsize和lr在运行终端的语句中就可以修改哦。
stnet复现记录（1）：数据处理篇
qq_43250450的博客
04-27 492
前言： 由于项目需要，所以打算复现《StNet:Local and Global Spatial-Temporal Modeling for Human Action Recognition》这一篇论文，鉴于踩过的一些坑，特此记录下。 项目链接：https://github.com/PaddlePaddle/models/blob/develop/PaddleCV/video/models/stnet/README.md 准备 环境：ubuntu16.04+paddlepaddle 数据集修正
STANet代码解读models部分
博客
04-06 898
同时在 _make_layer 和 _make_MG_unit 函数中也会构建残差块（block），这里的残差块是指 ResNet 中的基本单元，包括了卷积、规范化、ReLU 激活函数等，并且在残差块中还会进行跳跃连接，以保证信息的流畅。最后的 build_backbone 函数是用来根据传入的参数构建对应的 ResNet 网络结构的，其中 backbone 是指 ResNet 的版本，output_stride 是指输出的步长，BatchNorm 是指使用哪种规范化方法，in_c 是指输入的通道数。
STANet代码复现出现的问题
littleyy666的博客
05-10 749
定位到导致错误的代码，是metric.py，Collect values for Confusion Matrix 收集混淆矩阵的值时出错。CDF0和CDFA中，forward是对backbone的计算的特征图进行相似度计算，然后这个相似度通过阈值1选择后作为pred的结果的。在CDFA和CDF0中，找到forward函数，将F.pairwise_distance生成的结果进行通道和行列变换。运行报错后，一行一行溯源，发现问题出在pred的shape和Label的shape不匹配。1©，插值后就变为B。
论文解读：STANet | A Spatial-Temporal Attention-Based Method and a New Dataset for Remote Sensing Image
a486259的博客
03-21 1835
遥感图像变化检测（CD）可以识别双时间图像之间的显著变化。给定在不同时间拍摄的两幅共配准图像，但是，光照变化和配准偏移(拍摄角度变化)超过了真实物体的变化。探索不同时空像素之间的关系可以提高CD方法的性能。在我们的工作中，我们提出了一种新的基于siamese-based的时空注意神经网络。与以往单独编码双时间图像的方法，而不涉及任何有用的时空依赖性的方法不同，我们设计了一种CD自我注意机制来模拟时空关系。我们在特征提取过程中集成了一个新的CD自注意模块。我们的自
学习笔记（9):实用主义学Python（小白也容易上手的Python实用案例）-实操：数据概览...
xiaoxinlanshou的博客
09-08 398
3折秒杀！ 系统掌握Python核心语法16点，轻松应对工作中80%以上的Python使用场景！ 69元=72讲+源码+社群答疑+讲师社群分享会  【哪些人适合学习这门课程？】 1）大学生，平时只学习了Python理论，并未接触Python实战问题； 2）对Python实用技能掌握...
STANet 代码复现--新手遇到的问题解决办法
weixin_43722349的博客
03-23 3702
STANet网络复现–可运行/持续更新 文章目录STANet网络复现--可运行/持续更新前言一、out of memory？1.ds参数设置2.数据集分割二、原因分析1.导致oom的原因2.ds参数是什么总结 前言 STANet作为入门的第一篇研究文章，github上已有开源代码，也有优秀的博主对文章内容做了讲解，但是，新手实在是太菜了。下面对遇到的几个问题做总结，并给出成功运行代码的方法，特别是BAM/PAM内存溢出问题的解决。 一、out of memory？ RuntimeError: CUDA o
【独家】深度学习可以有人类逻辑吗？如何建模逻辑思维？SATNet， PrediNet，深度学习的逻辑思维现状 符号 AI.htm
11-29
机器学习 深度学习 pytorch tensorflow 贝叶斯 神经网络 算法
SATNet:使用可区分的可满足性求解器桥接深度学习和逻辑推理
05-12
SATNet• 使用可区分的可满足性求解器桥接深度学习和逻辑推理。 这个软件库包含源代码重现实验中ICML 2019纸由， ，和。什么是SATNet SATNet是可微分（平滑）的最大可满足性（MAXSAT）求解器，可以集成到较大的深度...
STANet:时空注意力神经网络（STANet）的遥感图像变化检测的正式实施
05-10
STANet用于遥感图像变化检测 它是本文的实现：一种基于时空注意力的方法和一种用于遥感影像变化检测的新数据集。 在这里，我们提供了时空注意力神经网络（STANet）的pytorch实现，用于遥感图像变化检测。 变更记录 20210112： 添加PAM的预训练权重。 ，代码：2rja 20201105： 添加演示以快速入门。 添加更多的数据集加载器模式。 增强图像增强模块（裁剪和旋转）。 20200601： 第一次提交 先决条件 Windows或Linux Python 3.6+ CPU或NVIDIA GPU CUDA 9.0+ PyTorch> 1.0 视觉 安装 克隆此仓库： git clone https://github.com/justchenhao/STANet cd STANet 安装 1.0+和其他依赖项（例如，torchvision， 和 ）
01 云计算简介.pptx
05-17
1981年，TCP/IP协议的完整规范建立，1983年，ARPANET、PRNET和SATNET三个原始网络采用TCP/IP通讯。1984年，DNS技术首次实现，1986年，现代邮件路由系统MERS开发完成。1989年，第一个商用网络运营商PSINet成立，1990...
STANet 代码实现
Amberrr的博客
09-10 7927
Github地址 LEVIR-CD数据集下载 LEVIR-CD是一种新型的大型遥感建筑物变化检测数据集。 Prerequisites: windows or Linux Python 3.6+ CPU or NVIDIA GPU CUDA 9.0+ PyTorch > 1.0 visdom==0.1.8.1 dominate pip install visdom==0.1.8.1 pip install dominate 数据集准备，文件路径： 数据集图片原始大小为1
基于PaddleOCR复现文本识别算法SATRN
m0_63642362的博客
12-21 615
https://aistudio.baidu.com/aistudio/projectdetail/5298068?forkThirdPart=1
这些神经网络调参细节，你都了解了吗
zenRRan的博客
03-09 2149
在写本科毕业论文的时候又回顾了一下神经网络调参的一些细节问题，特来总结下。主要从weight_decay，clip_norm，lr_decay说起。 以前刚入门的时候调参只是从hidden_size，hidden_num，batch_size，lr，embed_size开始调，但是后来才逐渐明白embed_size一般是设置完后不用再调的，比如设定为128后，就不要调了，因为embed_size...
saturn 源码解析
weixin_45560918的博客
03-08 900
saturn-console 启动 saturn console本身为一个springboot项目，所有的bean都在saturn-console 下的applicationContext.xml中定义。所以启动主要就是初始化负责各种操作的bean。 <!-- ----- 权限管理主要针对job --------> <bean id="authorizationService" class="com.vip.saturn.job.console.service
STANet结果复现及踩坑指南
stone_tigerLI的博客
10-12 2082
STANet复现的一些问题和解决方法经验
新手复现SATNet代码详解STANet/options/base_options.py
博客
03-19 709
STANet复现过程的一小部分解析
STANet复现
小菜鸡的CSDN
03-07 4468
复现遇到的问题
快醒醒，别睡了!...讲《数据分析pandas库》了—/—＜4＞
最新发布
qq_64603703的博客
07-27 665
详细解说数据分析pandas库中的常用方法
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值