python绘制混淆矩阵(2s-AGCN结果分析)

2022.4.19 结果更正，原函数得到的混淆函数存在问题，用自己写的函数绘制结果并不是A3和A4，而是A30和A12,以及A11和A12

1.运行2s-AGCN

双流自适应图卷积网络有现成的开源代码，使用NTU-RGB D数据集进行训练，本文采用的是batch_size=32,epoch=15进行简单的复现，使用15次的权重时，bone网络的准确率是84.57%，joint网络的准确率是83.83%，融合准确率是89.9%。运行权重测试后，在work_dir/ntu/xview/agcn_test_joint(agcn_test_bone)中会分别出现一个运行结果，名为epoch1_test_score.pkl，即为分类器的打分结果。

2.分析打分结果

在ensemble.py中，可以读取pkl中的信息，代码段如下：

dataset = arg.datasets
label = open('./data/' + dataset + '/val_label.pkl', 'rb')
label = np.array(pickle.load(label))
r1 = open('./work_dir/' + dataset + '/agcn_test_joint/epoch1_test_score.pkl', 'rb')
r1 = list(pickle.load(r1).items())
r2 = open('./work_dir/' + dataset + '/agcn_test_bone/epoch1_test_score.pkl', 'rb')
r2 = list(pic