wangxinzhe0617

> Traceback (most recent call last): File "E:\code\crfill-master\train.py", line 14, in opt = TrainOptions().parse() File "E:\code\crfill-master\options\base_options.py", line 151, in parse opt = self.gather_options() File "E:\code\crfill-master\options\base_options.py", line 76, in gather_options model_option_setter...

> The currently released models are not trained on face images so the results on face images are not good. I’ll upload the model trained on face dataset later Thanks...

> 方便贴一下完整的报错栈吗 您好 ！非常感谢回复。已经解决了 paddle卸载从新装了个别的版本就好了

ok，Thank you for your reply.

> [https://github.com/PaddlePaddle/PaddleVideo/blob/application/VideoTag/FineTune.md#数据准备-1](https://github.com/PaddlePaddle/PaddleVideo/blob/application/VideoTag/FineTune.md#%E6%95%B0%E6%8D%AE%E5%87%86%E5%A4%87-1) 这部分文档对你的问题是否有帮助呢 非常感谢您的回答！这个我知道 主要是不知道视频标签具体到哪种程度 需要是语义标签+实体标签 还是说只需要标语义标签就行 看三千多分类里有语义标签美女，还有特别具体的标签比如 大长腿 是不是说有个小姐姐跳舞的视频就标为 美女 跳舞 大长腿？三个标签？ 类似的还有语义标签宠物 具体的有熊猫 还有一些很奇怪的标签 比如胶合板，横梁。。。不知道这是根据什么定义的？

> 3k分类标签的整体构建策略是：机器挖掘+部分人工review。 > 人工review时参考了youtube-8m数据集论文的部分策略，比如考虑了标签是否视觉可分，进行无意义标签删除。 > 具体的挖掘策略 @huangjun12 大佬补充。 谢大佬回答 那就是每个视频需要打上语义标签+实体标签（也就是可视化的标签）？ 有数量要求么？希望大佬能给个栗子！就是给出一个视频 然后训练lstm的标签这样 谢谢 ！

> 这些标签是根据业务线上热门query得到的，包括语义标签和实体标签，训练的时候所有标签都打平了，没有层级关系 大佬，机器挖掘具体用的是神马策略 方便透漏吗？ @ @ --

> > > 3k分类标签的整体构建策略是：机器挖掘+部分人工review。 > > > 人工review时参考了youtube-8m数据集论文的部分策略，比如考虑了标签是否视觉可分，进行无意义标签删除。 > > > 具体的挖掘策略 @huangjun12 大佬补充。 > > > > > > 谢大佬回答 那就是每个视频需要打上语义标签+实体标签（也就是可视化的标签）？ 有数量要求么？希望大佬能给个栗子！就是给出一个视频 然后训练lstm的标签这样 谢谢 ！ > > 几点建议（from [https://research.google.com/youtube8m/）：](https://research.google.com/youtube8m/%EF%BC%89%EF%BC%9A)...

> > > 这些标签是根据业务线上热门query得到的，包括语义标签和实体标签，训练的时候所有标签都打平了，没有层级关系 > > > > > > ## 大佬，机器挖掘具体用的是神马策略 方便透漏吗？ @ @ > > 虽然，我们公司业务相关的策略不方便透露。 > 但是，建议参考：https://arxiv.org/pdf/1609.08675.pdf 好的谢谢大佬

我也是 批量测试 显存一直增长,直到撑爆，添加了paddle自带的显存清理 也不行