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

   • 1.1. 环境配置

   • 1.2. 模型推断

   • 1.3. 模型训练

   • 1.4. 模型测试

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