90％的代码来自 C3D动作识别 使用UCF-101（作为示例）或其他数据集训练C3D网络。 可以将视频或gif作为训练文件来支持。 视频流或图像帧可用作检测的输入。 环境 Python== 3.6 opencv-python == 4.5.1.48 喀拉拉邦== 2.0.8 tensorflow-gpu == 1.3 枕头== 8.1.2 matplotlib == 3.3.4 h5py：$ pip install h5py == 2.10 -i CUDA 8 库登6 训练自己

C3D-张量流 这是一个尝试使用直接从原始C3D-caffe转换而来的模型在tensorflow上实现的存储库。 请注意，我们的Tensorflow中的实现与原始C3D Caffe之间的UCF101 split1大约有5％的视频级准确度裕度。 要求： 已安装tensorflow> = 1.2版本 您必须已安装以下两个python库：a） b） 您必须已下载 （动作识别数据集） 每个单个avi文件都在单个目录中以5FPS（取决于您的决定）进行解码。 您可以使用./list/conve