#### 视频多模态相似性训练
- 这是视频多模态相似性训练代码
- 该用例中使用了自定义注册插件,注册的插件包括
- FIELD_PARSER:
- [frame_feature](https://git.woa.com/fcc-ai-lab/lichee-dev/blob/master/examples/frame_title_fusion_embedding/module/feature_parser.py#L11)
- [tag_cls](https://git.woa.com/fcc-ai-lab/lichee-dev/blob/master/examples/frame_title_fusion_embedding/module/feature_parser.py#L61)
- [id](https://git.woa.com/fcc-ai-lab/lichee-dev/blob/master/examples/frame_title_fusion_embedding/module/feature_parser.py#L112)
- TASK: [concat_cls](https://git.woa.com/fcc-ai-lab/lichee-dev/blob/master/examples/frame_title_fusion_embedding/module/models.py#L22)
- TRAINER: [embedding_trainer](https://git.woa.com/fcc-ai-lab/lichee-dev/blob/master/examples/frame_title_fusion_embedding/module/models.py#L61)
- MODULE_OPTIMIZER: [LayeredOptim](https://git.woa.com/fcc-ai-lab/lichee-dev/blob/master/examples/frame_title_fusion_embedding/module/utils.py#L22)
- MODULE_LOSS: [BCELoss](https://git.woa.com/fcc-ai-lab/lichee-dev/blob/master/examples/frame_title_fusion_embedding/module/utils.py#L51)
- MODULE_METRICS: [PRScore](https://git.woa.com/fcc-ai-lab/lichee-dev/blob/master/examples/frame_title_fusion_embedding/module/utils.py#L59)
#### 代码目录结构
- 配置yaml: embedding_example.yaml
- 训练入口: main.py
- 训练示例脚本: train.sh
- 测试示例脚本: eval.sh
- 示例代码依赖: ./module
- 数据文件夹:./data
#### 训练&测试命令
- 如示例训练脚本所示:
```bash
python3 main.py --trainer=embedding_trainer --model_config_file=embedding_example.yaml
```
- 测试需要指定checkpoint和指定配置文件,示例如下:
```bash
#python3 main.py --trainer=embedding_trainer --model_config_file=your_config.yaml --mode test --checkpoint your_check_point.bin --dataset SPEARMAN_DATA
python3 main.py --trainer=embedding_trainer --model_config_file=embedding_example.yaml --mode test --checkpoint Epoch_1_0.0000_0.0000.bin --dataset SPEARMAN_DATA
```
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
框架设计 框架采用分层的思想组织模型训练流程。 DATA 层负责读取用户数据,根据 field 管理数据。 Parser 层负责转换原始数据为模型的输入。 MODEL 层为模型层,具体由表示层(REPRESENTATION)和任务层(TASK)组成。 表示层用于抽取数据的高维特征,框架里内置了一些成熟实现(包括bert、NeXtVLAD等)。 任务层用于拟合具体的训练任务,框架里提供一些默认实现(包括分类任务等),用户也可以根据训练任务,自定义任务模型。 任务层可用于实现多任务训练。 框架通过配置文件组合 DATA、Parser、MODEL、Optimizer、Scheduler,构建具体的训练流程。 框架还内置了成熟的组件模块(Module),包括 Metrics、Loss、Layer 等,供用户选择使用。
资源推荐
资源详情
资源评论
收起资源包目录
一个多模态内容理解算法框架,其中包含数据处理、预训练模型、常见模型以及模型加速等模块.zip (212个子文件)
setup.cfg 73B
train.tsv.index 271KB
dev.tsv.index 30KB
lichee-arch.jpg 587KB
desc.json 130B
desc.json 41B
desc.md 5KB
dataset.md 2KB
README.md 2KB
model.md 2KB
field_parser.md 2KB
runtime.md 2KB
README.md 2KB
CONTRIBUTING.md 1KB
README.md 1KB
README.md 1KB
train.md 1KB
eval.md 988B
README.md 909B
io_reader.md 907B
predict.md 896B
bert.md 874B
README.md 872B
README.md 853B
README.md 800B
dataset.md 747B
README.md 727B
README.md 721B
README.md 690B
adam.md 628B
bertadamw.md 559B
README.md 535B
training.md 499B
bert_text_pair.md 461B
bert_text.md 386B
adamw.md 335B
warmup_linear.md 270B
warmup_constant.md 266B
sgd.md 256B
install.md 231B
simple_cls.md 191B
multi_cls.md 165B
single_cls.md 151B
constant.md 110B
README.md 8B
README.md 8B
README.md 8B
lichee-design.png 267KB
longformer_multi_headed_attn.py 28KB
brick.py 22KB
anchor_generator.py 20KB
yolo_head.py 20KB
crf.py 20KB
target_assigner.py 19KB
example_pb2.py 18KB
det_loss.py 13KB
trainer_base.py 11KB
reader.py 11KB
det_conv_module.py 10KB
docbert.py 9KB
bert_common.py 9KB
model_standard.py 8KB
loss.py 8KB
seg_utils.py 8KB
cspdarknet.py 8KB
models.py 7KB
optimizer.py 7KB
target_sampler.py 6KB
tokenizer_bert.py 6KB
lr_scheduler.py 6KB
tokenizer_bert_mix_grained.py 6KB
simple_classification.py 6KB
predictor_base.py 6KB
bert.py 6KB
data_builder.py 5KB
consensus.py 5KB
dataset_base.py 5KB
dataset.py 5KB
evaluator_base.py 5KB
common.py 5KB
feature_parser.py 5KB
prf_metrics.py 5KB
tokenizer_utils.py 5KB
embedding.py 5KB
nms_ops.py 4KB
bbox_coder.py 4KB
config.py 4KB
img_bbox_det.py 4KB
distill_classification.py 4KB
io_reader_base.py 4KB
sequence_label.py 3KB
transformer.py 3KB
utils.py 3KB
multi_head_attention.py 3KB
writer.py 3KB
json_sequence_label.py 3KB
video_tsn.py 3KB
image_local_path.py 3KB
common.py 2KB
onnx_convertor.py 2KB
共 212 条
- 1
- 2
- 3
资源评论
博士僧小星
- 粉丝: 1745
- 资源: 5850
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 信息办公个人求职管理系统-jobgljsp.rar
- 信息办公一流网络JSP网络管理系统 v1.0-yljsp10.rar
- chirpstack学习
- 管家婆辉煌、财贸、工贸、服装,食品,千方模拟狗
- 基于python开发的工业环境老鼠检测+源码+文档(毕业设计&课程设计&项目开发)
- USB转以太网的芯片SR9900全套设计资料包括(参考设计原理图PCB+ Linux -Windows驱动程序+量产工具)
- 信息办公XML考试系统-xmlks.rar
- 基于python开发的无人机图像目标检测+实验数据+开发文档+操作流程+源码(毕业设计&课程设计&项目开发)
- 全球智能商品管理与优化系统
- IDM下载器(电脑小工具)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功