C3D训练测试过程中遇到的问题

1、python2和python3版本不一致发生的问题
Python2.7中dict.values()+dict.values(),在Python3.5中出现TypeError: unsupported operand type(s) for +: ‘dict_values’ and ‘dict_values’
解决办法就是先强制转换到解决办法就是转换成list再加。
例如:

w={
    'a':1,
    'b':2,
    'c':3
}
b={
    'aa':4,
    'bb':5,
    'cc':6
}
r=w.values()+b.values()
print(r)

该代码在python2中没问题,在python3中出现该问题,解决办法是

c=list(w.values())
x=list(b.values()) 

而在C3D运行中,需要将以下代码进行修改

varlist1 = list( set(weights.values() + biases.values()) - set(varlist2) )

改为

varlist1 = list((set(weights.values()) | set(biases.values())) - set(varlist2))

下面一段话参考stack overflow:
It seems you are trying to run a Python2 librairy with Python3.

varlist1 = list( set(weights.values() + biases.values()) - set(varlist2) )

The above line is correct in Python2 where dict.values() returns a list, but is not in Python3 where it returns a special type dict_values.

If you can fix this code, the following would be valid in both Python2 and Python3

varlist1 = list((set(weights.values()) | set(biases.values())) - set(varlist2))

2、文件路径不一致问题
Tensorflow: ValueError: Cannot feed value of shape (423,) for Tensor ‘Placeholder:0’, which has shape ‘(?, 423)’
修改文件的路径即可。

要进行行为识别C3D训练自己的数据集,首先需要进行以下步骤: 1. 准备数据集:根据您的需求,收集并准备合适的训练数据集。可以使用视频数据来进行训练,常见的视频行为识别数据库包括UCF101、HMDB-51、Something-Something V2、AVA v2.2、Kinetic-700等[2]。UCF101是分类任务,而AVA v2.2是检测任务。您可以选择合适的数据库或根据您的需求自行收集视频数据。 2. 数据预处理:对于C3D训练,需要对数据进行预处理。根据引用提供的信息,UCF101数据集的视频文件已经按照类别存放于不同的文件夹下。您可以按照自己的数据集的组织方式进行调整。此外,还可以对视频进行剪辑、采样和调整分辨率等操作,以适应模型的输入要求。 3. 划分训练集和测试集:根据您的需要,将数据集划分训练集和测试集。可以使用已有的数据集划分方式,例如UCF101数据集的trainlist和testlist文件,或者根据您的需求自行划分。 4. 准备标签文件:为训练数据集准备标签文件,标明每个视频的类别或动作。可以参考已有的标签文件,例如UCF101数据集的classInd.txt文件。 5. 配置环境:确保您已经正确配置了C3D行为识别模型的训练环境。这包括安装必要的依赖库和框架,并配置好GPU加速等。 6. 训练模型:使用C3D模型对准备好的数据集进行训练。可以根据已有的代码或框架进行训练,例如使用C3D模型在PyTorch框架下进行训练。您可以参考引用提供的相关项目下载和复现的信息。 总结起来,要进行行为识别C3D训练自己的数据集,您需要准备合适的数据集,进行数据预处理,划分训练集和测试集,准备标签文件,配置环境,然后使用C3D模型对数据集进行训练。以上是一个基本的步骤,具体的实施细节还需根据您的具体需求和环境进行调整。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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