Skip to content
neuromancerzengPublic

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Latest commit

 

History

3 Commits

Folders and files

Repository files navigation

LaBraM BCI Demo

基于 Streamlit + MOABB + Braindecode 的脑机接口意图解码演示应用。

运行

pip install -r requirements.txt
streamlit run demo_labram_bci.py

如果要先做一个离线训练,再让 Demo 直接加载训练后的权重,可运行:

python train/labram_bci2a_demo_finetune.py

脚本会基于 labram-base.pth 在 Subject 1 上做面向 demo 的两阶段 LaBraM 微调:

  • 第一阶段只训练分类头,先让随机初始化的输出层对齐当前 demo 的标签分布
  • 第二阶段再小学习率全量解冻,温和调整 backbone 和分类头

训练会使用随机分层验证集挑选 checkpoint,保存标准化参数,并导出 train/labram_bci2a_demo_finetuned.pt。

如果要批量训练 Subject 1-9 的专属 checkpoint,可运行:

python train/batch_train_labram_demo_subjects.py

批量模式会依次导出:

  • train/labram_subject_1_demo_finetuned.pt
  • train/labram_subject_2_demo_finetuned.pt
  • ...
  • train/labram_subject_9_demo_finetuned.pt

如果你要保留一个效果更稳的 EEG 基线,仓库里也保留了 train/eegnet_bci2a_finetune.py。

功能

  • 加载 BCI Competition IV 2a 的真实 EEG 数据
  • 以 22 通道阶梯偏移波形展示 4 秒 epoch
  • 优先加载当前受试者的专属 checkpoint;缺失时回退到 Subject 1
  • 调用 LaBraM 完成前向推理并展示 Softmax 概率与延迟
  • 读取 checkpoint 中保存的标签顺序与标准化参数,避免类别显示错位

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages