RotatE

在数据集MuCo、MPII和MuPoTS上实现对3DMPPE_ROOTNET的训练。

• 实现参考：

url=https://github.com/DeepGraphLearning/KnowledgeGraphEmbedding.git
branch=master
commit_id=2e440e0f9c687314d5ff67ead68ce985dc446e3a

环境准备

• 安装 PyTorch (pytorch.org)
• pip install -r requirements.txt
• 训练数据集是FB15k-237，请自行找寻资源下载
• 解压数据集在data文件夹中，遵循以下的目录结构：

${RotatE}
|-- data
|   |-- FB15k-237
|   |   |-- entities.dict
|   |   |-- relations.dict
|   |   |-- test.txt
|   |   |-- train.txt
|   |   |-- valid.txt

• 请在models文件夹中遵循以下目录结构：

${RotatE}
|-- models
|   |-- save_path  ## 模型保存路径
|   |   |-- checkpoint_0      ## 保存的模型文件
|   |   |-- config_0.json     ## 配置的参数
|   |   |-- output_0.prof     ## 训练的prof文件
|   |   |-- train_0.log       ## 训练的日志保存在这里
|   |   |-- train_time_0.log  ## 训练每个step的时间日志

训练模型

• 运行 apex_run.py 进行模型训练：

# 1p train perf
bash test/train_performance_1p.sh

# 8p train perf
bash test/train_performance_8p.sh

# 1p train full
bash test/train_full_1p.sh

# 8p train full
bash test/train_full_8p.sh

训练结果

MRR	FPS	Npu_nums	Steps	AMP_Type
0.3354	2874.12	1	100000	O1
0.3252	18930.59	8	100000	O1

其它说明

• 运行 demo.py：

python codes/demo.py -save XX