小编DSP*_*209的帖子

我在 Windows 10 上使用 Keras 2.07、Python 3.5、Tensorflow 1.3.0

我正在测试论文 Long-term Temporal Convolutions for Action Recognition 中使用的架构。我希望将它用于我自己的数据。我使用了我认为会很快收敛的测试数据。学习率下降到 1.e-6，但损失从未脱离 4.5549672 的高值......

有人可以查看或尝试此代码吗？我是否假设错误，编码错误或不耐烦？

谢谢

## Attempt to implement based on ...
#Long-term Temporal Convolutionsfor Action Recognition
#
#Gul Varol, Ivan Laptev, and Cordelia Schmid, ¨ Fellow, IEEE
#
import time
import numpy as np,cv2
import sys
import os

import keras
import tensorflow as tf

from keras.models import Sequential, Model
from keras.layers import Dense, Dropout, Activation, Flatten,  Input
from keras.layers import Conv3D, MaxPooling3D
from …

我多年没有编码，请原谅。我正在尝试做一些可能不可能的事情。我有38个视频，视频中的人们表演了相同的基本动作。我想训练模型，以找出正确的人与不正确的人。我现在正在使用颜色，因为灰度也不起作用，因此我想像使用的示例一样进行测试。我使用了示例中定义的模型link。

Windows 10（64bit）上的Keras，Anaconda 64中的Python3.5，Tensorflow后端

我希望在这个问题上尝试不同的模型，并使用灰度来减少内存，但无法超越第一步！

谢谢！！！

这是我的代码：

import time
import numpy as np
import sys
import os
import cv2
import keras
import tensorflow as tf

from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten, BatchNormalization
from keras.layers import Conv3D, Conv2D, MaxPooling2D, GRU, ConvLSTM2D, TimeDistributed


y_cat = np.zeros(40,np.float)
good = "Good"
bad = "Bad"


batch_size = 32
num_classes = 1
epochs = 1
nvideos = 38
nframes = 130
nrows = 240
ncols = 320 …