/ConvLSTM_MindSpore_on_Ascend

使用MindSpore复现ConvLSTM，此版本为Ascend训练推断运行版本

Primary LanguagePythonMIT LicenseMIT

模型简介

模型名称

模型: ConvLSTM

论文链接: https://arxiv.org/pdf/1506.04214.pdf

简介:

​ 模型ConvLSTM作者通过实验证明了ConvLSTM在获取时空关系上比LSTM有更好的效果。 ConvLSTM不仅可以预测天气，还能够解决其他时空序列的预测问题。比如视频分类，动作识别等。此次数据集为Moving MNIST

模型架构

image-20220727091656901

数据集

训练数据集: The MNIST database of handwritten digits

验证精度数据集: Moving MNIST

下载数据集请通过目录下的脚本下载

source ./download.sh

写在前面

本仓库为模型在openi启智训练运行版本，需依靠启智平台算力，硬件平台为Ascend 910。

若需要将此项目运行在GPU上，请移步此仓库：https://github.com/zRAINj/ConvLSTM_MindSpore

训练与评估过程

训练过程采用MNIST手写数字数据库，其中有60,000个示例的训练集和10,000个示例的测验集。它是MNIST的子集。数字已被归一化并以固定大小的图像为中心。训练及测验过程中通过动态生成视频数据来进行训练。特别需要注意，训练过程中生成的数字数量为3，相较于评估中的2个数字更多。

训练

此次训练采用openi平台云脑训练任务，openi仓库：https://git.openi.org.cn/zrainj/ConvLSTM_MindSpore

具体云脑训练配置如下：（过低可能会导致训练速度过慢）

计算资源：Ascend NPU

AI引擎： – MindSpore version : 1.5.1 – Python version : 3.7 – OS platform and distribution : euleros2.8-aarch64

规格：

NPU: 1*Ascend 910, CPU: 24, 显存: 32GB, 内存: 256GB

启动文件： train.py

评估过程

评估过程采用Moving MNIST作为测试集。

性能

训练性能

train_loss valid_loss SSIM MAE MSE
0.000976 0.000961 0.777687 221.285598 94.498799

评估性能

test_loss SSIM MAE MSE
0.000638 0.833904 156.482312 62.759463

随机情况说明

载入权重模型后继续训练会有较大精度浮动

其余信息

参考模板

ConvLSTM-PyTorch

贡献者

ModelZoo 主页

请浏览官方主页。