Question about the structure of ResNet3D

[crywang]

您好，代码中conv1的kernel size为[5,7,7]，stride为[1,2,2]。而论文中kernel size为[5,1,1]，stride为[1,1,1]。
请问，是否可以给出论文中实际使用的，完整的模型结构呢？

temp_kernel[0][0] = [5]
self.s1 = stem_helper.VideoModelStem(
    dim_in=cfg.DATA.INPUT_CHANNEL_NUM,
    dim_out=[width_per_group],
    kernel=[temp_kernel[0][0] + [7, 7]],
    stride=[[1, 2, 2]],
    padding=[[temp_kernel[0][0][0] // 2, 3, 3]],
    norm_module=self.norm_module)

[yinglinzheng]

额，代码里就是论文里实际使用的，可能您没有看明白这个代码的逻辑，您发出来的那部分代码是用来构建起始的ResNet3D 模型的，然后这个函数

FTCN/model/classifier/i3d_temporal_var_fix_dropout_tt_cfg.py

Line 192 in ae67690

def temporal_only_conv(module, name, removed, stride_removed=0):

会将其改造为FTCN.

实际我们使用的是这个model

FTCN/model/classifier/i3d_temporal_var_fix_dropout_tt_cfg.py

Line 276 in ae67690

class I3D8x8(nn.Module):

您可以先跑下测试代码，然后把模型print出来看下就知道具体的结构了。

[crywang]

非常感谢！