文件名称：hart-pytorch:在PyTorch中重新实现分层的注意力重复跟踪（Kosiorek et al。，2017）
文件大小：535KB
文件格式：ZIP
更新时间：2024-05-17 22:28:11
tracking pytorch Python
PyTorch上的HART 最小复制量（？）。 用法 首先从下载KTH数据集，并将其解压缩到repo目录。 您将在与源代码文件相同的位置具有KTHBoundingBoxInfo.txt和一个名为frames的目录。 我将数据集分为1793、300、294个序列分别进行训练，验证和测试。 取决于您是否启用L2正则化，除非运行的是最新版本或晚于0.2.0-post3的发行版，否则可能需要应用补丁程序（请参阅）。 如果这样做，请确保修补成功。 您还需要运行修补程序以进行visdom （请参阅） 最后，使用Python 3运行main.py 建议设置环境变量MPL_BACKEND=Agg ，除非您打算交互显示一些matplotlib图形。 如果要使用CUDA运行，请设置环境变量USE_CUDA=1 。 规范补丁 在最新版本（PyTorch 0.2.0-post3）上， torch.n
【文件预览】：
hart-pytorch-master
----zoneout.py(2KB)
----adaptive_loss.py(1KB)
----KTHBoundingBoxInfoTrain.txt(1.78MB)
----main.py(11KB)
----dfn.py(5KB)
----hart.py(5KB)
----visdom-video.patch(485B)
----norm.patch(3KB)
----util.py(7KB)
----attention.py(14KB)
----KTHBoundingBoxInfoTest.txt(290KB)
----viz.py(3KB)
----dataset()
--------kth.py(2KB)
--------dataset.py(4KB)
--------__init__.py(121B)
--------imagenet.py(5KB)
----.gitignore(6B)
----alexnet.py(2KB)
----README.md(3KB)
----KTHBoundingBoxInfoValidation.txt(299KB)