T2M-GPT 项目使用教程
2024-09-18 23:23:24作者:秋泉律Samson
1. 项目目录结构及介绍
T2M-GPT/
├── dataset/
│ ├── HumanML3D/
│ ├── KIT-ML/
│ ├── prepare/
│ └── ...
├── img/
├── models/
├── options/
├── utils/
├── visualization/
├── visualize/
├── .gitignore
├── GPT_eval_multi.py
├── LICENSE
├── README.md
├── VQ_eval.py
├── environment.yml
├── render_final.py
├── train_t2m_trans.py
└── train_vq.py
目录结构介绍
- dataset/: 包含数据集的目录,如 HumanML3D 和 KIT-ML。
- img/: 存放项目相关的图片文件。
- models/: 存放模型的定义和实现代码。
- options/: 存放配置选项的定义文件。
- utils/: 存放各种工具函数和辅助代码。
- visualization/: 存放可视化相关的代码。
- visualize/: 存放可视化相关的代码。
- .gitignore: Git 忽略文件配置。
- GPT_eval_multi.py: GPT 模型评估脚本。
- LICENSE: 项目许可证文件。
- README.md: 项目说明文档。
- VQ_eval.py: VQ-VAE 模型评估脚本。
- environment.yml: 项目依赖环境配置文件。
- render_final.py: 最终渲染脚本。
- train_t2m_trans.py: GPT 模型训练脚本。
- train_vq.py: VQ-VAE 模型训练脚本。
2. 项目启动文件介绍
train_vq.py
该文件用于训练 VQ-VAE 模型。通过运行该脚本,可以启动 VQ-VAE 模型的训练过程。
python3 train_vq.py \
--batch-size 256 \
--lr 2e-4 \
--total-iter 300000 \
--lr-scheduler 200000 \
--nb-code 512 \
--down-t 2 \
--depth 3 \
--dilation-growth-rate 3 \
--out-dir output \
--dataname t2m \
--vq-act relu \
--quantizer ema_reset \
--loss-vel 0.5 \
--recons-loss l1_smooth \
--exp-name VQVAE
train_t2m_trans.py
该文件用于训练 GPT 模型。通过运行该脚本,可以启动 GPT 模型的训练过程。
python3 train_t2m_trans.py \
--exp-name GPT \
--batch-size 128 \
--num-layers 9 \
--embed-dim-gpt 1024 \
--nb-code 512 \
--n-head-gpt 16 \
--block-size 51 \
--ff-rate 4 \
--drop-out-rate 0.1 \
--resume-pth output/VQVAE/net_last.pth \
--vq-name VQVAE \
--out-dir output \
--total-iter 300000 \
--lr-scheduler 150000 \
--lr 0.0001 \
--dataname t2m \
--down-t 2 \
--depth 3 \
--quantizer ema_reset \
--eval-iter 10000 \
--pkeep 0.5 \
--dilation-growth-rate 3 \
--vq-act relu
3. 项目的配置文件介绍
environment.yml
该文件定义了项目的依赖环境。通过运行以下命令可以创建项目的虚拟环境:
conda env create -f environment.yml
conda activate T2M-GPT
options/
目录
该目录下存放了项目的配置选项文件,定义了训练和评估过程中使用的各种参数。
dataset/prepare/
目录
该目录下存放了数据集的准备脚本,如下载数据集、预处理数据等。
bash dataset/prepare/download_glove.sh
bash dataset/prepare/download_extractor.sh
bash dataset/prepare/download_model.sh
通过这些脚本,可以下载和准备项目所需的数据集和预训练模型。
热门项目推荐
相关项目推荐
- DDeepSeek-R1-0528DeepSeek-R1-0528 是 DeepSeek R1 系列的小版本升级,通过增加计算资源和后训练算法优化,显著提升推理深度与推理能力,整体性能接近行业领先模型(如 O3、Gemini 2.5 Pro)Python00
cherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端TSX028unibest
unibest - 最好用的 uniapp 开发框架。unibest 是由 uniapp + Vue3 + Ts + Vite5 + UnoCss + WotUI 驱动的跨端快速启动模板,使用 VS Code 开发,具有代码提示、自动格式化、统一配置、代码片段等功能,同时内置了大量平时开发常用的基本组件,开箱即用,让你编写 uniapp 拥有 best 体验。TypeScript00
热门内容推荐
1 freeCodeCamp课程中CSS模态框描述优化分析2 freeCodeCamp JavaScript课程中十进制转二进制转换器的潜在问题分析3 freeCodeCamp 实验室项目:Event Hub 图片元素顺序优化指南4 freeCodeCamp课程中sr-only类与position: absolute的正确使用5 freeCodeCamp课程中ARIA-hidden属性的技术解析6 freeCodeCamp正则表达式教程中捕获组示例的修正说明7 freeCodeCamp全栈开发课程中业务卡片设计实验的优化建议8 freeCodeCamp猫照片应用HTML教程中的元素嵌套优化建议9 freeCodeCamp全栈开发课程中回文检测器项目的正则表达式教学优化10 freeCodeCamp 实验室项目:表单输入样式选择器优化建议
最新内容推荐
项目优选
收起

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
416
317

React Native鸿蒙化仓库
C++
90
157

openGauss kernel ~ openGauss is an open source relational database management system
C++
45
114

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
50
13

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
268
401

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TSX
310
28

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
87
238

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
341
213

前端智能化场景解决方案UI库,轻松构建你的AI应用,我们将持续完善更新,欢迎你的使用与建议。
官网地址:https://matechat.gitcode.com
625
73

🎉 基于Spring Boot、Spring Cloud & Alibaba、Vue3 & Vite、Element Plus的分布式前后端分离微服务架构权限管理系统
Vue
85
61