动作识别（四）手把手教你在Win11上复现mmskeleton的ST-GCN骨架动作识别模型

一、背景

本文的写作背景源于本人研究课题——基于骨架的动作识别，由于上篇文章讲解的win10系统配置OpenPose和ST-GCN动作识别不能自制数据集问题，故转战ST-GCN移植的mm框架。本文主要讲解mmskeleton环境的配置及测试，有问题的朋友可以留言评论和咨询本人QQ：2447439418。（注意：如果需要数据等资源及代码远程配置是需要有偿服务的，创作不易，望理解！！！）强调一下：mmskeleton默认使用cascade-rcnn模型做为人体检测器、Hrnet模型作为姿态估计器及ST-GCN模型进行动作识别，因此你使用此框架学习ST-GCN的话，就不需要配置OpenPose了。

二、基础环境

（1）Win11系统（笔记本）；
（2）RTX2060显卡，6G显存；
（3）显卡驱动信息：

（4）VS2019软件（自行安装，可搜索mmdetection2-windows环境配置参考安装，建议安装位置选择默认，避免后续麻烦）；
（5）CUDA10.1信息(这里自行参考网上资料安装)；

三、详细步骤

参考来源: link.
3.1创建虚拟环境及安装pytorch

conda create -n mmd python=3.7	
conda activate mmd
conda install pytorch=1.3 torchvision cudatoolkit=10.1 
pip install cython opencv-python pillow  matplotlib

3.2修改torch源码
1.修改 环境目录下\Lib\site-packages\torch\include\c10\util\flat_hash_map.h中的这个头文件。
（1）注释或删掉第24行，示例如下：

#include <cstdint>
#include <cstddef>
#include <functional>
#include <cmath>
#include <algorithm>
#include <iterator>
#include <utility>
#include <type_traits>
// #include <stdexcept>

（2）1379-1398行左右，注释或删掉具体如下：

//    std::pair<typename Table::iterator, bool> emplace()
//    {
//        return emplace(key_type(), convertible_to_value());
//    }
//    template<typename M>
//    std::pair<typename Table::iterator, bool> insert_or_assign(const key_type & key, M && m)
//    {
//        auto emplace_result = emplace(key, std::forward<M>(m));
//        if (!emplace_result.second)
//            emplace_result.first->second = std::forward<M>(m);
//        return emplace_result;
//    }
//    template<typename M>
//    std::pair<typename Table::iterator, bool> insert_or_assign(key_type && key, M && m)
//    {
//        auto emplace_result = emplace(std::move(key), std::forward<M>(m));
//        if (!emplace_result.second)
//            emplace_result.first->second = std::forward<M>(m);
//        return emplace_result;
//    }

（4）1473-1493行左右，注释或删掉

//    template<typename... Args>
//    std::pair<typename Table::iterator, bool> emplace(Args &&... args)
//    {
//        return Table::emplace(T(std::forward<Args>(args)...));
//    }
//    std::pair<typename Table::iterator, bool> emplace(const key_type & arg)
//    {
//        return Table::emplace(arg);
//    }
//   std::pair<typename Table::iterator, bool> emplace(key_type & arg)
//    {
//        return Table::emplace(arg);
//    }
//    std::pair<typename Table::iterator, bool> emplace(const key_type && arg)
//    {
//        return Table::emplace(std::move(arg));
//    }
//    std::pair<typename Table::iterator, bool> emplace(key_type && arg)
//    {
//        return Table::emplace(std::move(arg));
//    }

2.修改 环境目录下\Lib\site-packages\torch\include\c10\util\order_preserving_flat_hash_map.h
（1）注释或删除1499-1518行

//    std::pair<typename Table::iterator, bool> emplace()
//    {
//        return emplace(key_type(), convertible_to_value());
//    }
//    template<typename M>
//    std::pair<typename Table::iterator, bool> insert_or_assign(const key_type & key, M && m)
//    {
//        auto emplace_result = emplace(key, std::forward<M>(m));
//        if (!emplace_result.second)
//            emplace_result.first->second = std::forward<M>(m);
//        return emplace_result;
//    }
//    template<typename M>
//    std::pair<typename Table::iterator, bool> insert_or_assign(key_type && key, M && m)
//    {
//        auto emplace_result = emplace(std::move(key), std::forward<M>(m));
//        if (!emplace_result.second)
//            emplace_result.first->second = std::forward<M>(m);
//        return emplace_result;
//    }

（2）注释或删除1593-1613行

//    template<typename... Args>
//    std::pair<typename Table::iterator, bool> emplace(Args &&... args)
//    {
//        return Table::emplace(T(std::forward<Args>(args)...));
//    }
//    std::pair<typename Table::iterator, bool> emplace(const key_type & arg)
//    {
//        return Table::emplace(arg);
//    }
//    std::pair<typename Table::iterator, bool> emplace(key_type & arg)
//    {
//        return Table::emplace(arg);
//    }
//    std::pair<typename Table::iterator, bool> emplace(const key_type && arg)
//    {
//        return Table::emplace(std::move(arg));
//    }
//    std::pair<typename Table::iterator, bool> emplace(key_type && arg)
//    {
//        return Table::emplace(std::move(arg));
//    }

3.修改 环境目录下\Lib\site-packages\torch\utils\cpp_extension.py
188行修改成：

match = re.search(r'(\d+)\.(\d+)\.(\d+)', compiler_info.decode("gbk").strip())

4.修改 环境目录下\Lib\site-packages\torch\include\torch\csrc\jit\argument_spec.h
190行左右修改：
将static conststr size_t DEPTH_LIMIT = 128;
替换为static const size_t DEPTH_LIMIT = 128;
5.修改 环境目录下\Lib\site-packages\torch\include\pybind11\cast.h
1448行左右
将explicit operator type&() { return *(this->value); }
替换为explicit operator type& () { *((type*)(this->value)); }
3.3.pycocotools安装
https://github.com/philferriere/cocoapi下载源码，并进行解压。以管理员身份打开 CMD 终端，并切换到 cocoapi\PythonAPI目录。运行以下指令：

python setup.py build_ext --inplace
python setup.py build_ext install

3.4mmdeteciton安装
1.mmcv安装，安装命令

pip install mmcv==0.4.0

2.mmdetection-1.0.0安装
官网: link.
先在官网下载mmdection-1.0.0并解压，然后windows命令窗口cd到mmdection-1.0.0目录，输入命令：

pip install -r requirements.txt

接着，修改其setup.py文件中CUDAExtension中extra_compile_args相关代码，增加cxx的"-DMS_WIN64",“-MD”，并安装：

python setup.py develop

3.5mmskeleton安装
官网: link.
安装命令：

git clone https://github.com/open-mmlab/mmskeleton.git
cd mmskeleton
python setup.py develop