论文复现1：交通流预测的时空自监督学习

论文标题：《Spatio-Temporal Self-Supervised Learning for Traffic Flow Prediction》
复现论文地址（包含paper+code）：https://paperswithcode.com/paper/spatio-temporal-self-supervised-learning-for

1、本机复现：

（1）download后zip后，将其放到pycharm_projects文件夹中，打开pycharm，查看requirement.txt文件，需要什么包；

（2）打开终端，创建虚拟环境：

创建环境：conda create --name ST-SSL-main python=3.8.20
激活（进入）环境：conda activate ST-SSL-main
创建所需包：pip install numpy == 1.21.2 pandas == 1.3.5 PyYAML == 6.0
pytorch需要去官网查命令单独安装：conda install pytorch == 1.10.1 torchvision == 0.11.2 torchaudio == 0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge

注： torch安装的时候如果一直下载一半，可以重复输入命令，慢慢就下载好了。

（3）代码即可运行，实验结果如下：
原论文代码的实验结果差不多是5，这里需要跑多个epoch，转战云服务器。

2、云端复现：

运行平台（并行智算云）：https://ai.paratera.com/#/cloud/compute/add
（1）创建云服务器：根据自己的需求，创建所需要的虚拟机。（云服务器本质上就是租用一台远程电脑）


点击“立即创建”后，即能看到自己创建好的云服务器。

（2）为了加载数据，我们需要下载WinSCP（便于传输我们的数据），根据上图中的登录信息，以此填入“主机名”，“用户名”，“密码”，将我们本地连接到服务器端。

左侧为我们本地，右侧为我们的服务器端，接下来我们可以将ST-SSL-main放到我们服务器的文件夹中，

等待传输完成，即可开始下一步任务。

（3）打开我们的远程服务器，准备部署需要的环境，

安装我们所需要的库，等待安装完成。。。

当所需库全部安装完成后，开始跑我们的主程序，输出结果即为成功，

我们程序的运行结果保存在NYCBike1文件目录下，

并并行一个反向传播，将服务器运行的结果全部传回本地，即为实验成功。

总结

当复现代码时，为了节省资源（省钱），我们需要先在本地上把代码调试成功，而且在我们的程序中一定要保存我们的运行结果，即可开始在云服务器上跑程序，在程序运行完后，利用WinSCP将代码运行结果传回我们的本地。