复现MID模型

0、环境

python 3.8.19
torch 1.12.1+cu113

1、处理数据

运行”process_data.py“，得到”processed_data_noise“文件夹

1、config，dataset设置

1.1设置datasetmain.py中的config、dataset

condig为’configs/baseline.yaml’
dataset从[“eth”, “hotel”, “univ”, “zara1”, “zara2”, “sdd”]中选一个

1.2运行main.py报错找不到文件夹

将baseline.yaml中的”data_dir: processed_data“修改为”data_dir: processed_data_noise“

2、AttributeError: module ‘numpy’ has no attribute ‘float’.

GPT回答：
这个错误消息表明你在使用 np.float，它是 Python 中已经被弃用的别名，代表内置的 float 类型。为了避免这个错误，你应该直接使用 float，而不是 np.float。如果你需要使用 NumPy 的标量类型，可以使用 np.float64。

因此，你可以根据需求将 np.float 替换为 float 或 np.float64。

例如：

将 np.float 替换为 float
x = float(5.0)

或者将 np.float 替换为 np.float64
y = np.float64(5.0)
这样的修改将防止你遇到的 AttributeError 错误。

于是进行修改
scene_graph.py中的

dist_cube = np.zeros((total_timesteps, N, N), dtype=np.float)

修改为

dist_cube = np.zeros((total_timesteps, N, N), dtype=float)

node_attention_mat = np.zeros((N, N), dtype=np.float)

修改为

node_attention_mat = np.zeros((N, N), dtype=
float)

3、IndexError: tensors used as indices must be long, byte or bool tensors

GPT说：
主要错误：张量索引中的 IndexError
当你尝试使用一个张量作为另一个张量的索引时，出现错误 IndexError: tensors used as indices must be long, byte or bool tensors。这表示用作索引的张量不是 PyTorch 允许用于索引的数据类型（即，应该是 long、byte 或 bool 类型）。以下是如何解决这个问题：

检查数据类型：确保用于索引的张量 last_index_per_sequence 是正确的数据类型。如果它不是，你可以显式地将它转换为 long 类型：

last_index_per_sequence = last_index_per_sequence.long()

将

中的

last_index_per_sequence = -(first_history_indices + 1)

后增加

last_index_per_sequence = last_index_per_sequence.long()

（536行和616行）

成功运行