课堂行为识别

• 源码来自飞桨开源项目:课堂行为识别检测, 并在此基础上修复了bug
• 项目推荐使用 GPU 版本 Paddle, 运行速度远高于 CPU 版本, 尤其是模型训练过程
• 存在多版本 python 与 pip 时, 命令中可能需要使用 python3 及 pip3 作为替代

---

项目配置说明

1. 根据操作系统与训练设备安装 Paddle

• 安装 GPU 版本 Paddle:

  • 前置需求: 安装对应版本的 CUDA, cuDNN, TensorRT(如需使用 PaddleTensorRT 推理) .详情参见 GPU Paddle 前置需求

  • Linux 下安装 GPU 版本 Paddle

    python -m pip install paddlepaddle-gpu==2.4.1.post117 -f https://www.paddlepaddle.org.cn/whl/linux/mkl/avx/stable.html
    

  • Windows 下安装 GPU 版本 Paddle

    python -m pip install paddlepaddle-gpu==2.4.1.post117 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html
    

• 无法使用 GPU 版本时可以选择 CPU 版本 Paddle, 但图像处理速度会明显降低

  • Linux 下安装 CPU 版本 Paddle

    python -m pip install paddlepaddle==2.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
    

  • Windows 下安装 CPU 版本 Paddle

    python -m pip install paddlepaddle==2.4.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
    

• 更多信息请参照 官方说明

2. 数据及参数配置

1. 上传 zip 数据集: 训练数据集上传至 /data/zipped-train, 预测分析数据集上传至 /data/zipped-eval. 上传后需修改 constants.py 中对应数据集名称
2. 参数配置均位于 constants.py 中, 可根据需求自行调整

3. 使用模型进行数据分析

1. 当前项目下, 导入 requirements.txt (仅初次部署需要)

   pip install -r requirements.txt
   

   如速度慢可以使用阿里云镜像

   pip install -r requirements.txt -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com
   

2. 运行 main.py, 分析结果为 result.txt, 路径可在 constants.py 中进行配置