我们已经为您准备好复现该模型所需的环境,您可以创建实例、一键复用哦!

模型的使用文档涵盖模型所需环境、模型简介以及复现模型的具体步骤。模型效果和模型详细来源可以点击论文地址和模型来源链接查看哦~

ConvLSTM

2022-02-09 model:convlstm-ubuntu18.04-cuda11.1.1-cudnn8-python3.8-pytorch1.8.0-new

模型标签
图像预测

模型简介

模型介绍:ConvLSTM是LSTM模型的一种变体,它最早于2015年在论文《Convolutional LSTM Network: A Machine Learning Approach for Precipitation Nowcasting》中被提出。ConvLSTM主要用于进行时序数据的预测,相比于LSTM模型,ConvLSTM模型可以将图片作为网络的输入并对图片序列进行卷积操作,提取图片特征,能够更好地完成时序数据是图像的序列预测。因此,模型采用Moving Mnist数据集作为模型的训练和测试数据,该数据集是MNIST手写数字数据库的移动变体,数据集中每个图片的大小为64x64px,包含10,000个序列,每个序列长度为20,其中前十个是输入数据,后十是预测的目标数据,显示2个数字在64x64帧中移动。模型的任务是要通过序列中的前十个数据训练预测出后十个数据。论文地址:https://arxiv.org/abs/1506.04214


  1. 使用方法

  2. 模型来源


1. 使用方法

1.1. 环境配置

在终端,在root/ConvLSTM(默认)路径下,运行以下命令:

cd ..
cd ..
# 进入根目录
cp -r /datasets/ConvLSTM/mnist_test_seq.npy ../../user-data
# 将复现所需的公开数据集复制到指定文件夹下
cp -r /modelsets/ConvLSTM/ConvLSTM.pth ../../user-data
# 将复现所需的预训练权重文件复制到指定文件夹下

1.2. 模型推断

在终端,进入root/ConvLSTM(默认)路径下,运行以下命令:

python inference.py

1.3. 模型训练

在终端,进入root/ConvLSTM(默认)路径下,运行以下命令:

python train.py

1.4. 模型测试

在终端,进入root/ConvLSTM(默认)路径下,运行以下命令:

python test.py

2. 模型来源

https://github.com/ndrplz/ConvLSTM_pytorch