Resnet50对PyTorch视频中的人类行为进行分类

Question

我尝试使用Resnet50来对thisrepo之后的人类行为进行分类。我实现了自己的数据加载器，从this数据集生成批处理。与回购不同，我使用的不是3D CNN，而是一个简单的PyTorch Resnet50。因此，我需要一个4D的张量输入来输入网络，而我有一个5D（批次大小、频道大小、堆叠图像、高度、宽度），其中堆叠的图像是视频中不同时间步长的帧。我应该停止叠加这些图像，而只是迭代4D张量的列表吗？在