--- title: GaitSet-PyTorch-模型库-ModelZoo-昇腾社区 description: 生态贡献模型 keywords: GaitSet,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 url: https://www.hiascend.com/software/modelzoo/models/detail/0019443205104a36be210f455e34d47a?index_id=0019443205104a36be210f455e34d47a section: (其他) --- # GaitSet-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/0019443205104a36be210f455e34d47a?index_id=0019443205104a36be210f455e34d47a 描述: 生态贡献模型 关键词: GaitSet,PyTorch,模型库,ModelZoo,昇腾社区,概述,简述,准备训练环境 ModelZoo主页 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 主页 [了解详情](https://www.hiascend.com/software/modelzoo)大模型 [了解详情](https://www.hiascend.com/software/modelzoo/big-models)模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models)工具库 [了解详情](https://www.hiascend.com/software/modelzoo/tools)权重库 [了解详情](https://www.hiascend.com/software/modelzoo/datasets)ModelShow [了解详情](https://www.hiascend.com/software/modelzoo/modelshow)DeepSeek专区HOT [了解详情](https://www.hiascend.com/developer/deepseek)文档中心论坛交流 模型库 [了解详情](https://www.hiascend.com/software/modelzoo/models) GaitSet-PyTorch ## GaitSet-PyTorch 视觉分类PyTorch训练98次浏览2025/12/29更新 查看模型源码 GaitSet-PyTorch 查看模型源码 ... # 概述 ## 简述 GaitSet是一个灵活、有效和快速的跨视角步态识别网络。灵活性：其输入可以是轮廓组成的集合，并没有其他约束。有效性：它在CASIA-B数据集上达到95.0%的准确率。快速性：使用8个NVIDIA 1080TI GPU，它只需7分钟即可在OU-MVLP数据集上完成评估，这个数据集包含13w序列，平均每条序列有70个图像。 - 参考实现： ``` url=https://github.com/AbnerHqC/GaitSet commit_id=5535943428b66415530d8379b648b8f74a294219 ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/contrib/cv/classification ``` # 准备训练环境 ## 准备环境 - 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。 表 1版本支持表 | Torch_Version | 三方库依赖版本 | | --- | ---| | PyTorch 1.5 | - | | PyTorch 1.8 | - | | PyTorch 1.11 | numpy==1.22.1 | - 环境准备指导。 请参考《Pytorch框架训练环境准备 [了解详情](https://www.hiascend.com/document/detail/zh/ModelZoo/pytorchframework/ptes)》。 - 安装依赖。 在模型源码包根目录下执行命令，安装模型需要的依赖。 ``` pip install -r requirements.txt ``` ## 准备数据集 1. 获取数据集 请用户自行下载`CASIA-B`数据集，将数据集上传到服务器任意路径下并解压，解压后数据集内部的目录应为（`CASIA-B`数据集）：数据集路径/对象序号/行走状态/角度，例如`CASIA-B/001/nm-01/000/ `。 `CASIA-B`数据集目录结构参考如下所示。 ``` ├── CASIA-B ├──001 ├──bg-01 │──000 │──图片1 │──图片2 │ ... │──018 │──图片1 │──图片2 │ ... │ ... ├──cl-01 │──000 │──图片1 │──图片2 │ ... │──018 │──图片1 │──图片2 │ ... │ ... ├──nm-01 │──000 │──图片1 │──图片2 │ ... │──018 │──图片1 │──图片2 │ ... │ ... ├──... ├──002 ├──bg-01 │──000 │──图片1 │──图片2 │ ... │──018 │──图片1 │──图片2 │ ... │ ... ├──cl-01 │──000 │──图片1 │──图片2 │ ... │──018 │──图片1 │──图片2 │ ... │ ... ├──nm-01 │──000 │──图片1 │──图片2 │ ... │──018 │──图片1 │──图片2 │ ... │ ... ├──... ├──... ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 2. 数据预处理。 在源码包根目录下执行一下命令，使用`pretreatment.py`进行数据处理：其中括号"{}"需要替换为数据集的路径。 ``` # --input_path为原数据集‘CASIA-B’的路径； --output_path为预处理后的数据集路径。 python3 pretreatment.py --input_path {downloaded_path} \ --output_path {output_path} ``` 预处理过程中提示`--WARNING--`属于预期现象，请等待处理完成 # 开始训练 ## 训练模型 1. 进入解压后的源码包根目录。 ``` cd /${模型文件夹名称} ``` 2. 运行训练脚本。 该模型支持单机单卡训练和单机8卡训练。 - 单机单卡训练 启动单卡训练。 ``` bash ./test/train_full_1p.sh --data_path=/data/xxx/ # 单卡精度 bash ./test/train_performance_1p.sh --data_path=/data/xxx/ # 单卡性能 ``` - 单机8卡训练 启动8卡训练。 ``` bash ./test/train_full_8p.sh --data_path=/data/xxx/ # 8卡精度 bash ./test/train_performance_8p.sh --data_path=/data/xxx/ # 8卡性能 ``` - 单机8卡评测 启动8卡评测。 ``` bash ./test/train_eval_8p.sh --data_path=/data/xxx/ ``` 注意：需要手动把`train_eval_8p.sh`中`train_iters`参数改为训练保存的模型想要加载的代数。 --data_path参数填写数据集路径，需写到数据集的一级目录。 --iters参数填写模型训练的迭代次数。 --hf32开启HF32模式，不与FP32模式同时开启 --fp32开启FP32模式，不与HF32模式同时开启 模型训练脚本参数说明如下。 ``` 公共参数： --data_path //数据集路径 --addr //主机地址 --iters //迭代次数 --port //主机端口 --world_size //分布式训练节点数 --dist_backend //通信后端 ``` 训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。 # 训练结果展示 表 3训练结果展示表 | NAME | 精度(RANK-1, %) | 性能(FPS) | 训练代数(Iters) | AMP_Type | Torch_Version | | --- | --- | --- | --- | --- | ---| | 1P_NPU-ARM | - | 255.138 | 6w | O2 | 1.8 | | 8P_NPU-ARM | 93.744 | 826.016 | 4w | O2 | 1.8 | | 1P_NPU-非ARM | - | 278.897 | 6w | O2 | 1.8 | | 8P_NPU-非ARM | 93.744 | 1428.763 | 4w | O2 | 1.8 | # 版本说明 ## 变更 2023.03.08：更新readme，重新发布。 ## FAQ 无。 | 版本 | 更新时间 | 精度 | 处理器 | CANN版本 | 操作 | | --- | --- | --- | --- | --- | ---| 暂无数据 使用模型资源和服务前，请您仔细阅读并理解透彻《昇腾深度学习模型许可协议 3.0》 [了解详情](https://www.hiascend.com/legal/modelzoo_models_license)