pytorch1.8复现TSN踩坑记录（如何在源代码中进行过更改）

最新推荐文章于 2024-05-15 09:46:01 发布
最新推荐文章于 2024-05-15 09:46:01 发布
阅读量1.1k 收藏 13
点赞数 2
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/weixin_44246079/article/details/115161214
版权
本文详细记录了在PyTorch 1.8中复现TSN模型时遇到的四个主要问题及其解决方案：1) 解决RuntimeError关于legacy autograd函数的警告；2) 将view替换为reshape以避免不兼容错误；3) 修正索引错误，避免对0-dim tensor的无效索引；4) 调整topk参数以解决维度范围错误。此外，还提到了在运行test_models.py时遇到的两个问题：1) 修复DataParallel的device_ids问题；2) 管理CUDA内存分配，避免内存不足。
摘要由CSDN通过智能技术生成

1 运行main.py时，

1.1 报错RuntimeError: Legacy autograd function with non-static forward method is deprecated.

参考1，针对TSN网络
参考2
参考3

新版pytorch中的前向传播forward变成静态的了
（1）basic_opt.py中最下面的forward中加入.forward(input)

(2)models.py中的base——model处加入.forward

最低0.47元/天 解锁文章
奥利奥℡根本扭不开
关注
  • 2
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
在Colab上复现TSN
Tian__Gao的博客
11-12 1771
目录一、Colab简介和使用说明1.Colab简介2.Colab使用说明2.1两种使用方式2.1.1连接谷歌云盘2.1.2不连接谷歌云盘2.2具体使用细节2.2.1GPU设置2.2.2程序管理2.2.3具体编程二、TSN代码复现1.数据集准备和处理1.1数据集下载1.2数据集处理 一、Colab简介和使用说明 1.Colab简介 colab是谷歌的一个线上深度学习训练平台，对于刚进实验室还没分配到工作站的研究生非常之友好。但是分配到工作站以后，不管是算力还是金钱还是方便程度，还是工作站香。 网址： http
复现TSN代码出现的问题及解决办法
weixin_64031117的博客
10-11 385
复现TSN代码的问题
推荐开源项目：TSN-Pytorch —— 动作识别的重实施
gitblog_00048的博客
05-15 290
推荐开源项目：TSN-Pytorch —— 动作识别的重实施 tsn-pytorchTemporal Segment Networks (TSN) in PyTorch 项目地址:https://gitcode.com/gh_mirrors/ts/tsn-pytorch 在计算机视觉领域，理解和解析视频中的动作是核心任务之一。为此，我们向您推荐一个基于PyTorch重新实现的Temporal S...
pytorch-direct_dgl:基于PyTorch-1.8.0nightly（e152ca5）的PyTorch-Direct代码，用于使用面向GPU的数据通信体系结构进行大图卷积网络训练（正在审查PVLDB提交）
04-12
PyTorch直接 介绍 PyTorch-Direct在现有PyTorch DNN框架的基础上为GPU添加了零拷贝访问功能。 当目标数据分散在主机内存中时，为GPU允许零复制访问大大提高了PCIe上的数据传输效率。 当输入数据在训练时间之前无法装入GPU内存，并且在训练时间期间需要传输数据时，此功能特别有用。 使用PyTorch-Direct，可以通过在现有CPU张量之上声明“统一张量”来使用零拷贝访问功能。 PyTorch-Direct的当前实现基于PyTorch-1.8.0的夜间版本。 安装 由于我们修改了PyTorch的源代码，因此无法通过诸如pip类的众所周知的工具来安装我们的实现。 要编译并安装我们代码的修改后的版本，请按照。 用例 在原始的PyTorch中，GPU可以访问主机中的分散数据，如以下示例所示： # input_tensor: A given input 2D te
tsn-pytorch：PyTorch中的时间段网络（TSN）
02-04
TSN-Pytorch 我们已经发布了 ，这是一个基于PyTorch的成熟的动作理解工具箱。 它包括用于TSN的实现以及用于各种任务的其他STOA框架。 我们在此回购中吸取的教训已纳入MMAction中，以使其更具吸引力。 我们强烈建议您切换到它。 此回购将保留在此处以供历史参考。 注意：请始终使用git clone --recursive https://github.com/yjxiong/tsn-pytorch克隆此项目。 否则，您将无法使用初始系列CNN拱门。 这是PyTorch中的时域网（TSN）的重新实现。 所有设置均保持与原始caffe实施相同。 对于光流提取和视频列表生
reloading - 实现程序运行时修改Python代码而不打断运行过程-python
06-18
程序运行时修改Python代码而不打断运行过程，可在PyTorch程序训练过程中添加输出、查看统计、保存模型参数等 重新加载一个 Python 实用程序，用于在每次迭代时从源重新加载循环体而不会丢失状态 用于在深度学习模型训练期间编辑源代码。 这让您无需重新开始训练即可添加日志记录、打印统计信息或保存模型，因此不会丢失训练进度。 安装 pip install reloading 用法要在每次迭代之前从源代码重新加载 for 循环的主体，只需使用重新加载包装迭代器，例如 from reloading import reloading for i in reloading(range(10)): # here could be your training loop print (i) 要在每次执行之前从源重新加载函数，请使用 @reloading 修饰函数定义，例如 from reloading import reloading @reloading def some_function(): pass 示例 以下是如何使用您最喜欢的库重新加载的简短片段。 有关完整示例，请查看示例文件
元学习 模型 MAML pytorch 代码 复现 可直接运行
06-02
元学习 模型 MAML pytorch 代码 复现 可直接运行 元学习 模型 MAML pytorch 代码 复现 可直接运行
pytorch1.8+torchvision0.9环境配置
11-22
适用于配置pytorch环境进行深度学习
基于Pytorch实现实现MNIST手写数字识别源代码.rar
07-07
基于Pytorch实现实现MNIST手写数字识别源代码，可供学习设计参考。 mport torch import torchvision from torch.utils.data import DataLoader import torch.nn as nn import torch.nn.functional as F import torch...
使用pytorch实现的源代码项目
最新发布
07-05
使用pytorch实现的源代码项目
action-recognition-pytorch:这是一些代表性动作识别方法的pytorch实现，包括I3D，S3D，TSN和TAM
05-03
动作识别研究 该存储库包含用于动作识别的6种代表性2D和3D方法的一般实现，包括I3D [1]，ResNet3D [2]，S3D [3]，R（2 + 1）D [4]，TSN [5]和TAM [ 6]。 这些代码用于我们对动作识别的分析。 陈春福（Richard）Chen *，Rameswar Panda *，Kandan Ramakrishnan，Rogerio Feris，John Cohn，Aude Oliva和Fanquanfu *，“对基于CNN的时空表示进行动作识别的深入分析”。 *：均摊 如果您使用此仓库中的代码和模型，请引用我们的工作。 谢谢！ @inproceedings{chen2020deep, title={Deep Analysis of CNN-based Spatio-temporal Representations for Action Recog
TSN算法的PyTorch代码解读（训练部分）
热门推荐
AI之路
01-14 3万+
这篇博客来读一读TSN算法的PyTorch代码，总体而言代码风格还是不错的，多读读优秀的代码对自身的提升还是有帮助的，另外因为代码内容较多，所以分训练和测试两篇介绍，这篇介绍训练代码，介绍顺序为代码运行顺序。TSN算法的介绍可以参考博客TSN(Temporal Segment Networks)算法笔记。 论文：Temporal Segment Networks: Towards Good Pr
tsn-pytorch代码解读
qq_41533576
08-27 3752
一、项目结构 tsn-pytorch项目中主要的文件即其作用如下所示 下面分为训练部分和测试部分分别进行详细的介绍。 二、训练部分 训练代码是从main.py进入的，所以我们从main.py开始详解代码。 三、测试部分 ...
探索高效视频理解：TSN-pytorch 项目详解
gitblog_00076的博客
04-24 287
探索高效视频理解：TSN-pytorch 项目详解 项目地址:https://gitcode.com/JJBOY/TSN-pytorch 该项目【https://gitcode.com/JJBOY/TSN-pytorch】是一个基于 PyTorch 的时空凝视网络（Temporal Segment Networks, TSN）实现，专注于视频理解和动作识别任务。TSN 是一种先进的计算机视觉模型，...
tsn-pytorch代码实验
qq_54599699的博客
11-14 1817
基于Linux服务器的tsn-pytorch模型复现。
mmaction2训练tsn模型
重剑无锋博客
03-31 228
下载的文件会在mmaction2/data下面。
pytorch报错RuntimeError: Legacy autograd function with non-static forward method is deprecated.解决方法
qq_34124009的博客
10-27 3699
报错完整信息：RuntimeError: Legacy autograd function with non-static forward method is deprecated. Please use new-style autograd function with static forward method. 意思就是由于你当前的pytorch版本过高，而原代码的版本较低。如果pytorch版本高于1.3会出现该问题。当前版本要求forward过程是静态的，所以需要将原代码进行修改。 网上的一些做法是
pytorch2.0怎样运行pytorch1.8的代码
06-12
在PyTorch 2.0中运行PyTorch 1.8的代码，需要进行以下操作： 1.安装PyTorch 1.8。可以通过以下命令安装： ```python pip install torch==1.8.0 ``` 2.将代码中所有的`torch.`前缀替换为`torch.compat.v1.`前缀。这样做可以确保代码在PyTorch 2.0中向后兼容。 例如，将以下代码： ```python import torch a = torch.randn(3, 3) ``` 替换为： ```python import torch.compat.v1 as torch a = torch.randn(3, 3) ``` 3.在代码的开头添加以下代码： ```python import torch import torch.compat.v1 as torch1 torch.__dict__.update(torch1.__dict__) ``` 这样做可以确保代码中所有的`torch.`前缀都被替换为`torch.compat.v1.`前缀。 通过以上操作，即可在PyTorch 2.0中运行PyTorch 1.8的代码。
评论 4
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