IMUDINO

IMUDINO

用 PyTorch 编码器把运动传感器记录（加速度计和陀螺仪）变成特征向量。适合基于惯性传感器数据建模的研究人员。

由 Octopus1 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：IMUDINO 是一个处理 IMU 数据的 PyTorch 编码器，IMU 数据就是加速度计和陀螺仪的读数。它读取六个传感器通道的记录，返回其他模型可以使用的特征向量。这个仓库放的是训练好的检查点，代码在项目的 GitHub 仓库里。

适合谁：它适合处理运动传感器数据、想要现成特征的机器学习研究人员和工程师。你需要熟悉 Python 和 PyTorch。

Industry | Who uses it | How they use it | Example
可穿戴设备 | 传感器数据工程师 | 把穿戴式运动传感器的记录编码成特征 | 把一批记录变成分类器可用的向量
研究 | 机器学习研究人员 | 把编码器作为新模型的起点 | 把它的特征和手工特征做对比
运动与健康 | 活动分析人员 | 把特征交给给动作打标签的模型 | 按动作类型给记录分组

数据不是运动传感器数据的人可以跳过它。

用在哪里：

• Windows、macOS 或 Linux 上的 Python 3.10 或更新版本
• 带 timm 包的 PyTorch
• 项目的 GitHub 仓库，里面有代码和一个可运行的示例

Use case | Who | What they get back
特征提取 | 机器学习研究人员 | 一个序列向量、若干寄存器向量，以及每个时间片一个向量
下游建模 | 工程师 | 可以喂给分类器或其他模型的特征

如何设置：

• Python 3.10 或更新版本的环境
• PyTorch 和 timm，使用卡片指定的版本
• 来自项目 GitHub 仓库的代码，外加检查点文件

1. 安装 PyTorch 和 timm。
2. 从 GitHub 获取代码，并把检查点下载到其中。
3. 加载检查点，并把模型设为评估模式。

pip install torch timm==1.0.30

huggingface-cli download Octopus1/IMUDINO imudino.pt --local-dir .

如何使用：把检查点加载进模型工厂，切到评估模式，然后传入一个字典，里面有 IMU 数据、采样率和可选的掩码。数据先放加速度计的 XYZ，再放陀螺仪的 XYZ。长度必须是 16 的正整数倍。

import torch
from model_factory import imuformer_huge_patch16

model = imuformer_huge_patch16()
model.load_state_dict(
    torch.load("imudino.pt", map_location="cpu", weights_only=True), strict=True
)
model.eval()

with torch.inference_mode():
    features = model({
        "imu_data": torch.randn(2, 1024, 6),
        "freqs": torch.tensor([100.0, 200.0]),
        "masks": None,
    })

Tool | What it does
cls_token | 整个序列的一个向量，形状 [B, 768]
reg_tokens | 每个序列四个寄存器向量，形状 [B, 4, 768]
patch_tokens | 每个时间片一个向量，形状 [B, L / 16, 768]

示例：你传入一批两段随机记录，每段 1024 个采样点、六个通道，采样率分别是 100 和 200 Hz。对这一批数据，序列向量的形状是 (2, 768)，时间片向量的形状是 (2, 64, 768)。

新手与专家：编码器把原始传感器读数变成一小串数字，模型可以从中学习。你可以先用随机数据运行卡片里的示例代码，检查输出形状。

它把输入切成每片 16 个采样点的时间片，叠 12 层 transformer，每层 24 个注意力头，另有 4 个寄存器词元。六个通道一起嵌入，位置编码会把每个序列的采样率与 100 Hz 的参考值对照。填充的时间片会留在输出里，所以做池化时要把它们排除。

六通道 IMU 记录加采样率
切成 16 个采样点一片
Transformer 层对时间片编码
输出序列、寄存器和时间片向量

注意事项：

• License: GPL-3.0。
• Cost to run: 未提及。这些步骤不需要 API 密钥或付费服务。
• Data it reaches: 它从 Hugging Face Hub 下载检查点，你再从 GitHub 获取代码。你的记录留在你自己的 Python 会话里。
• Not for: 长度不是 16 的倍数的序列。

Title: 编码器规模
Transformer layers: 12 layers
Attention heads: 24 heads
Register tokens: 4 tokens

Hugging Face 上的数据（2026年11月13日）

• 任务：feature extraction
• 框架：pytorch
• 最近 30 天下载：0
• 点赞：3
• 许可证：gpl-3.0
• 标签：pytorch, time-series, self-supervised-learning, dino, feature-extraction, encoder

链接

• 模型：https://huggingface.co/Octopus1/IMUDINO
• 文件：https://huggingface.co/Octopus1/IMUDINO/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download Octopus1/IMUDINO

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。