--- title: 3D_ResNet-PyTorch-模型库-ModelZoo-昇腾社区 description: 3D_ResNet是一个经典的动作识别网络。结构包括卷积层池化层等，训练好的模型输入图片后可以识别出人的动作，准确率高。 keywords: ResNet,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/632c391bcd344e8589328dd0e785c80c section: (其他) --- # 3D_ResNet-PyTorch-模型库-ModelZoo-昇腾社区 URL: https://www.hiascend.com/software/modelzoo/models/detail/632c391bcd344e8589328dd0e785c80c 描述: 3D_ResNet是一个经典的动作识别网络。结构包括卷积层池化层等，训练好的模型输入图片后可以识别出人的动作，准确率高。 关键词: ResNet,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) 3D_ResNet-PyTorch ## 3D_ResNet-PyTorch 位姿估计PyTorch训练629次浏览2026/02/02更新 查看模型源码 3D_ResNet-PyTorch 查看模型源码 ... # 概述 ## 简述 3D_ResNet是一个经典的动作识别网络。结构包括卷积层池化层等，训练好的模型输入图片后可以识别出人的动作，准确率高。 - 参考实现： ``` url=https://github.com/kenshohara/3D-ResNets-PyTorch.git commit_id=540a0ea1abaee379fa3651d4d5afbd2d667a1 ``` - 适配昇腾 AI 处理器的实现： ``` url=https://gitee.com/ascend/ModelZoo-PyTorch.git code_path=PyTorch/built-in/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 | pillow==8.4.0 | | PyTorch 1.8 | pillow==9.1.0 | - 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，安装模型对应PyTorch版本需要的依赖。 ``` pip install -r 1.5_requirements.txt # PyTorch1.5版本 pip install -r 1.8_requirements.txt # PyTorch1.8版本 ``` 说明：只需执行一条对应的PyTorch版本依赖安装命令。 ## 准备数据集 1. 获取Hmdb51数据集。 2. 数据预处理（按需处理所需要的数据集）。 - 将avi转化为jpg`util_scripts/generate_video_jpgs.py` ``` python -m util_scripts.generate_video_jpgs avi_video_dir_path jpg_video_dir_path hmdb51 ``` - 使用类似于 ActivityNet 的 json 格式生成注释文件`util_scripts/hmdb51_json.py` ``` python -m util_scripts.hmdb51_json annotation_dir_path jpg_video_dir_path dst_json_path ``` 说明:`annotation_dir_path`包括 brush_hair_test_split1.txt, ... - 预处理后ResNet3D数据集目录结构参考如下所示。 ``` ├── data ├──hmdb51_jpg ├──brush_hair │──April_09_brush_hair_u_nm_np1_ba_goo_0 |——image_00001.jpg |——image_00002.jpg | ... │──April_09_brush_hair_u_nm_np1_ba_goo_1 |——image_00001.jpg |——image_00002.jpg | ... │ ... ├──cartwheel │──Acrobacias_de_un_fenomeno_cartwheel_f_cm_np1_fr_bad_3 |——image_00001.jpg |——image_00002.jpg | ... │──Acrobacias_de_un_fenomeno_cartwheel_f_cm_np1_fr_bad_4 |——image_00001.jpg |——image_00002.jpg | ... │ ... ├──... ├──hmdb51_json ├──hmdb51_1.json ├──hmdb51_2.json |——hmdb51_3.json ``` 说明：该数据集的训练过程脚本只作为一种参考示例。 ## 获取预训练模型 - 下载预训练模型r3d18_K_200ep.pth，并放在数据集一级目录下，目录结构参考如下所示。 ``` ├── data ├──hmdb51_jpg ... ├──hmdb51_json ├──r3d18_K_200ep.pth ``` # 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 ``` --data_path参数填写数据集路径，需写到数据集的一级目录。 模型训练脚本参数说明如下。 ``` 公共参数： --video_path //数据集路径 --annotation_path //标签路径 --result_path //结果路径 --dataset //数据集名称 --batch-size //训练批次大小 --learning_rate //初始学习率，默认：0.01 --model_depth //模型深度 --n_threads //线程 --loss_scale_value //混合精度lossscale大小 --opt_level //混合精度类型 --device_list //训练卡设置 ``` 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 2训练结果展示表 | NAME | Acc@1 | FPS | Epochs | AMP_Type | Torch_Version | | --- | --- | --- | --- | --- | ---| | 1p-NPU | - | 631 | 1 | O2 | 1.8 | | 8p-NPU | 0.598 | 5436.46 | 200 | O2 | 1.8 | # 版本说明 ## 变更 2023.02.21：更新readme，重新发布。 2022.07.08：首次发布。 ## 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)