Video-Swin-Transformer （二）

最新推荐文章于 2025-10-04 21:22:33 发布
原创 最新推荐文章于 2025-10-04 21:22:33 发布 · 1.6k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习

博主在尝试进行单卡和多卡测试时遇到了问题，发现mmaction2的recognizer3D中缺少SwinTransformer3d类。尽管师妹能够成功运行训练，但博主遇到了相同错误。解决方法可能涉及到检查代码环境的一致性、依赖库的版本匹配或安装缺失的组件。

跑单卡测试和多卡测试都有问题：

然后去看了mmaction2 下面的recognizer3D 下面 没有SwinTransformer3d的类

但是师妹说她可以跑通训练 我的训练也报同样的错误？

要怎么解决这个问题 

精选资源
swin-transformer-pytorch:PyTorch中Swin变压器的实现
04-01
本文介绍了一种称为Swin Transformer的新型视觉变形金刚，它可以用作计算机视觉的通用骨干。 在两个领域之间的差异，例如视觉实体规模的巨大差异以及与文字中的单词相比，图像中像素的高分辨率，带来了使...
[论文记录] 2021 - Video Swin Transformer
weixin_43862112的博客
11-17 879
[论文记录] 2021 - ArtEmis: Affective Language for Visual Art论文简介论文内容摘要1 介绍（1）为什么关注于视觉艺术（visual art）？（2）ArtEmis数据集的创新点（3）观者反应的主观性（4）情感解释的难点（5）情感语音机器人 论文简介 原论文：ArtEmis: Affective Language for Visual Art1 视觉艺术中的情感语言 论文地址：https://arxiv.org/abs/2101.07396 以下仅为作者阅读
【视频理解】2022-CVPR-Video Swin Transformer
weixin_42475026的博客
03-28 6381
视觉领域正在见证从 CNN 到 Transformers 的建模转变，纯 Transformer 架构在主要视频识别基准测试中达到了最高准确度。这些视频模型都建立在 Transformer 层之上，Transformer 层在空间和时间维度上全局连接块。在本文中，我们提倡视频 Transformer 中的局部归纳偏差，与以前的方法相比，即使使用时空分解，也可以在全局范围内计算自注意力，从而实现更好的速度-精度权衡。所提出的视频架构的局部性是通过调整为图像域设计的 Swin Transformer 实现的。
从零开始实现 Swin Transformer：理解与实践全流程解析
最新发布
专注于Python爬虫开发，分享爬虫技巧、项目实战与反爬经验，使用Scrapy、BeautifulSoup等工具，解决数据抓取难题。
10-04 1070
摘要：Swin Transformer 是一种高效的视觉 Transformer 架构，通过层次化结构和滑动窗口自注意力机制，在目标检测、图像分类等任务中超越传统 CNN 和 ViT。本文解析了其核心组件（Patch Embedding、Window Attention、Shifted Windows），并提供了 PyTorch 实现代码，帮助读者深入理解其计算高效的局部自注意力机制和分层特征提取方式。Swin Transformer 的计算优化设计使其在保持全局建模能力的同时显著降低计算复杂度，为计算机视
[Video Transformer] Video Swin Transformer
Cherry的笔记本
01-18 8927
代码： GitHub - SwinTransformer/Video-Swin-Transformer: This is an official implementation for "Video Swin Transformers". 论文： https://arxiv.org/pdf/2106.13230.pdf 代码解读： Swin-Transformer代码讲解-Video Swin-Transformer_ly59782的博客-优快云博客 Swin Transformer ht...
【Paper Note】Video Swin Transformer
m0_51371693的博客
04-19 797
Video Swin Transformer论文笔记
Swin-Transformer代码讲解-Video Swin-Transformer
ly59782的博客
10-19 1万+
最近仔细看了代码写了写注释，分享给大家，如有不对之处，请大家及时慷慨指正（怕误导别人）！ 感觉最大的区别就是2D的改到了3D，讲的是tiny版本的，文字较少，主要是代码注释哈。 源码git传送门：https://github.com/SwinTransformer/Video-Swin-Transformer 类定义 首先看类定义，主要的函数如下 class SwinTransformer3D(nn.Module): """ Swin Transformer backbone..
Video-Swin-Transformer 跑通遇到的问题
keyanxiaocaicai的专栏
07-13 3194
1.首先运行：python tools/test.py configs/recognition/swin/swin_base_patch244_window877_kinetics400_1k.py model/swin_base_patch244_window877_kinetics400_1k.pth --eval top_k_accuracy 遇到错误：File "tools/test.py", line 6, in <module> import mmcv ModuleNo...
video-swin-transformer
07-27
Video Swin Transformer是一种基于Swin Transformer的视频领域应用模型。它是通过在Swin Transformer的基础上添加时间维度来处理视频数据的。在Video Swin Transformer中，注意力机制和窗口构建与传统的Swin ...
【算法详解】Swin Transformer&Video Swin Transformer图像领域和视频邻域的Transformer based模型结构解读
weixin_60734652的博客
09-13 1977
针对这个问题，文章中提出一种掩码机制，根据窗口内patch来自原数据位置的不同，将不应该计算注意力的位置的计算结果通过加上一个负的较大数来mask掉（如重新划分后左下角的窗口中，来自原图像底部的某个灰色表示的patch和移位过来的属于C部分的某个绿色表示的patch的计算结果），使其在计算Softmax时不起作用。Swin Transformer Block（以下简称block）每两个为一组，其中每个block都有与Transformer中的Transformer Block类似的结构。
基于mmaction2的Video-Swin-Transformer源码
weixin_45140119的博客
10-07 1187
网络结构图： 位置：Video-Swin-Transformer/mmaction/models/backbones/swin_transformer.py import torch import torch.nn as nn import torch.nn.functional as F import torch.utils.checkpoint as checkpoint import numpy as np from timm.models.layers import DropPath, t
课程七学习笔记： Swin Transformer-2
Wangzx的博客
12-07 371
课程七学习笔记： Swin Transformer-21. Swin Transformer回顾2.Shifted Window Multi-Head Self Attention3. Relative Position Bias4. 实战Swin Transformer 1. Swin Transformer回顾 2.Shifted Window Multi-Head Self Attention 让每个Token更能够看到整张图的信息。 之前的MSA：只在同一个颜色内部做Attention。 S
【亲测免费】 探索未来视觉处理：Video Swin Transformer
gitblog_00051的博客
03-26 673
在人工智能领域，计算机视觉的进步不断推动着新技术的应用。Video Swin Transformer 是一个由SwinTransformer团队开发的创新性项目，它将Transformer架构应用于视频理解，为高效、准确的视频分析提供了新思路。 ## 项目简介 Video Swin Transformer 是基于Swin Transformer的一种模型，专为视频数据设计。它继承了Transf...
论文阅读 - Video Swin Transformer
热门推荐
zjuPeco的博客
02-14 1万+
video swin transformer解读
【亲测免费】 视频斯威夫特变换器 (Video Swin Transformer) 官方教程
gitblog_00550的博客
08-09 1405
**Video Swin Transformer** 是由作者Ze Liu等人提出的一种新的视频理解模型，它基于图像领域的**Swin Transformer**，并引入了局部性的诱导偏差，使得在速度和准确性之间达到更好的权衡。相比于传统的全局自注意力计算方法，Video Swin Transformer通过时空局部性优化了计算效率，同时保持了预训练图像模型的强大功能。该项目在主要的视频识别基准测...
【亲测免费】 Video-Swin-Transformer 安装和配置指南
gitblog_07478的博客
09-13 907
### 项目基础介绍 Video-Swin-Transformer 是一个基于 Swin Transformer 的视频识别模型实现。该项目旨在通过引入局部性归纳偏置（inductive bias of locality）来改进视频 Transformer 的效率和准确性。Swin Transformer 最初是为图像领域设计的，而 Video-Swin-Transformer 将其扩展到视频领域...
video-swin-transfomer代码讲解
rocking_struggling的博客
03-16 1482
原文链接：https://blog.youkuaiyun.com/ly59782/article/details/120823052 Swin-Transformer和Video Swin-Transformer大同小异，感觉最大的区别就是2D的改到了3D，其实操作都是一样的，就是多了一个维度，所以主要还是基于2d讲解的，然后类比一下3d就好啦，讲的是tiny版本的。 源码git传送门：https://github.com/SwinTransformer/Video-Swin-Transformer 目录 类定义
论文阅读【Video Swin Transformer】
hei_hei_hei_的博客
05-18 872
Video Swin Transformer 发表：ICCV 2021 idea：使用image recognition任务中提出的Swin Transformer来解决video recognition任务。至于Swin Transformer，请看上一篇文章 代码：Video-Swin-Transformer 详细设计 Video Swin Transformer，严格遵循原始Swin Transformer的层次结构，但将局部注意力计算的范围从仅空间域扩展到了时空域。由于局部注意力是在非重叠窗口上
论文阅读笔记——Swin Transformer V2
ymyimeng的博客
01-05 1733
本文旨在探索一个大规模的计算机视觉模型，并且着手解决以下三类问题:大规模视觉模型的不稳定性、预训练使用的数据与微调使用的数据之间存在的分辨率差异性问题以及对更大规模的有标记数据需求问题。
评论 4
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值