Video Swin Transformer PyTorch 项目教程

Video Swin Transformer PyTorch 项目教程

项目地址:https://gitcode.com/gh_mirrors/vi/video-swin-transformer-pytorch

1. 项目的目录结构及介绍

video-swin-transformer-pytorch/
├── README.md
├── requirements.txt
├── setup.py
├── config/
│   ├── default.yaml
│   └── ...
├── data/
│   └── ...
├── models/
│   ├── __init__.py
│   ├── swin_transformer.py
│   └── ...
├── scripts/
│   ├── train.py
│   ├── eval.py
│   └── ...
└── utils/
    ├── __init__.py
    ├── logger.py
    └── ...

目录结构介绍

• README.md: 项目说明文档。
• requirements.txt: 项目依赖文件。
• setup.py: 项目安装脚本。
• config/: 配置文件目录，包含默认配置文件 default.yaml 等。
• data/: 数据文件目录，用于存放训练和测试数据。
• models/: 模型文件目录，包含 swin_transformer.py 等模型定义文件。
• scripts/: 脚本文件目录，包含训练脚本 train.py 和评估脚本 eval.py 等。
• utils/: 工具文件目录，包含日志工具 logger.py 等。

2. 项目的启动文件介绍

训练脚本

python scripts/train.py

评估脚本

python scripts/eval.py

启动文件介绍

• train.py: 用于启动训练过程，读取配置文件并初始化模型、数据加载器等。
• eval.py: 用于启动评估过程，读取配置文件并加载预训练模型进行评估。

3. 项目的配置文件介绍

默认配置文件

# config/default.yaml

model:
  name: 'SwinTransformer'
  params:
    patch_size: [4, 4, 4]
    embed_dim: 96
    depths: [2, 2, 6, 2]
    num_heads: [3, 6, 12, 24]
    window_size: [4, 4, 4]
    mlp_ratio: 4.
    qkv_bias: True
    qk_scale: None
    drop_rate: 0.
    attn_drop_rate: 0.
    drop_path_rate: 0.1
    norm_layer: 'LayerNorm'
    ape: False
    patch_norm: True
    use_checkpoint: False

data:
  batch_size: 16
  num_workers: 4
  train_path: 'data/train'
  val_path: 'data/val'

training:
  epochs: 300
  optimizer: 'AdamW'
  lr: 0.0005
  weight_decay: 0.05
  scheduler: 'CosineAnnealingLR'
  warmup_epochs: 20
  warmup_lr: 0.00005
  min_lr: 0.00001
  print_freq: 10
  save_freq: 10
  output_dir: 'output'

配置文件介绍

• model: 定义模型的名称和参数，如 patch_size, embed_dim, depths 等。
• data: 定义数据加载的参数，如 batch_size, num_workers, train_path, val_path 等。
• training: 定义训练过程的参数，如 epochs, optimizer, lr, weight_decay 等。

通过修改 default.yaml 文件中的参数，可以调整模型的训练和评估过程。

video-swin-transformer-pytorch Video Swin Transformer - PyTorch 项目地址: https://gitcode.com/gh_mirrors/vi/video-swin-transformer-pytorch