license: apache-2.0tags:tvcnnwcnn-newsscene-detectionlarge-modelggufmocodepytorccategories:image-classificationTV-CNNW Scene Detection Large Model (10GB)模型概述本模型基于 archive.org TV-CNNW CNN新闻视频数据集训练用于检测视频场景类型。模型使用PyTorch在GPU (GTX 1060 6GB)上训练采用深度MLP架构配合辅助记忆层总参数量超过2.8B。模型架构训练核心 (CoreMLP)架构: 12 → 8192 → 16384 → 6类训练参数量: 134,438,918 (~512.8 MB)激活函数: ReLU SoftmaxDropout: 0.2优化器: Adam (lr0.001)损失函数: CrossEntropyLoss批次大小: 32训练轮数: 30完整模型 (含辅助记忆层)总参数量: 2,818,793,478 (~10.50 GB F32)训练层参数: 134,438,918辅助记忆层参数: 2,684,354,560辅助层结构:aux1: 32768 × 32768 (1.07B params, He初始化)aux2: 32768 × 32768 (1.07B params, He初始化)aux3: 16384 × 32768 (537M params, He初始化)场景类别 (6类)ID类别描述0studio演播室1field_report现场报道2interview访谈3live_coverage现场直播4weather天气预报5documentary纪录片输入特征 (12维)亮度 (brightness)饱和度 (saturation)R通道均值G通道均值B通道均值边缘密度中心亮度肤色比例对比度纹理暖色调比例垂直边缘比例训练结果准确率: 99.39% (第30轮)训练时间: 33.9秒 (GTX 1060 GPU)数据集: 329个CNN新闻视频缩略图样本数据分布: [10, 80, 20, 80, 59, 80]特征标准化: (X - mean) / stdGGUF文件结构GGUF v3格式32字节对齐包含以下张量张量名形状类型描述W1[12, 8192]F32训练层1权重b1[8192]F32训练层1偏置W2[8192, 16384]F32训练层2权重b2[16384]F32训练层2偏置W3[16384, 6]F32训练层3权重b3[6]F32训练层3偏置aux1.W[32768, 32768]F32辅助记忆层1aux1.b[32768]F32辅助记忆层1偏置aux2.W[32768, 32768]F32辅助记忆层2aux2.b[32768]F32辅助记忆层2偏置aux3.W[16384, 32768]F32辅助记忆层3aux3.b[32768]F32辅助记忆层3偏置X_mean[12]F32特征均值X_std[12]F32特征标准差使用方法importstructimportnumpyasnpdefload_gguf_metadata(filepath):withopen(filepath,rb)asf:magicstruct.unpack(I,f.read(4))[0]versionstruct.unpack(I,f.read(4))[0]n_tensorsstruct.unpack(Q,f.read(8))[0]n_kvstruct.unpack(Q,f.read(8))[0]metadata{}for_inrange(n_kv):k_lenstruct.unpack(Q,f.read(8))[0]kf.read(k_len).decode(utf-8)v_typestruct.unpack(I,f.read(4))[0]v_lenstruct.unpack(Q,f.read(8))[0]vf.read(v_len).decode(utf-8)metadata[k]vreturnmetadatadefpredict(features,gguf_path):# 加载核心权重 (从core_weights.json)# 应用特征标准化: (X - mean) / std# 前向传播: relu(W1·xb1) → relu(W2·xb2) → W3·xb3# 返回类别IDpass文件列表tvcnnw_scene_large.gguf- 10.50 GB GGUF模型文件scene_core_weights.json- 核心权重元数据限制说明辅助记忆层为He初始化随机权重用于扩充模型容量实际推理仅使用训练核心层3层MLP模型基于CNN新闻视频缩略图训练可能对其他类型视频泛化能力有限训练数据分布不均衡如studio类只有10个样本版本v1.0 (2026-07-18): 初始版本10.50 GB大模型99.39%准确率