st-gcn基本配置及运行

Python 3.7

1.下载源码

https://github.com/yysijie/st-gcn

2.安装requirements

终端下进入目录，输入pip install -r requirements.txt

如果失败则手动安装（哪个没装上就运行哪个指令）

conda install pyyaml

conda install argparse

conda install numpy

conda install h5py

conda install opencv-python

conda install imageio

conda install scikit-video

3.运行setup.py

   切换到torchligh目录下运行python setup.py install

   

4.安装CUDA 11.1和对应的cuDNN

5.根据上述步骤继续安装PyTorch

   Pytorch官网https://pytorch.org/

   

终端运行 conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

6.下载数据集

    这里使用的ntu-rgbd数据集, 百度云版本的可以在这里下载，https://github.com/Hrener/3D-Action-recognition

7.将原生数据集处理为ST-GCN的输入

   运行python tools/ntu_gendata.py --data_path F:\skeleton+D0-30000（数据的路径）

   在st-gcn/data/目录下可找到处理后的数据

8.训练模型（先看9）

终端运行F:\st-gcn>python main.py recognition -c config/st_gcn/ntu-xsub/train.yaml

在models下生成st_gcn.ntu-xsub.pt

9.对config/st_gcn/ntu-xsub文件下的train.yaml文件进行修改

（1）出现错误 RuntimeError: CUDA error: invalid device ordinal，发现源码中有4个gpu，将train.yaml中的device=[0,1,2,3]改为device=[0]

（2）出现错误 BrokenPipeError: [Errno 32] Broken pipe,将processor.py下的函数load_data中的两个DataLoader()函数的参数num_workers设置为0，避免使用多线程读取数据

（3）出现错误 cuda runtime error (2) : out of memory, 经过尝试，4G显存将batch_size设置为8时（在config下的train.yaml中设置），显存占用率刚好接近100%

（4）num_epoch为训练次数，每训练10次保存一次训练模型，根据需要修改

   

10.测试训练模型

运行python main.py recognition -c config/st_gcn/ntu-xsub/test.yaml

运行结果：

[07.19.21|17:59:45] Model:   net.st_gcn.Model.

[07.19.21|17:59:45] Weights: ./models/st_gcn.ntu-xsub.pt.

[07.19.21|17:59:45] Evaluation Start:

[07.19.21|18:03:49]     mean_loss: 1.3519932218626434

[07.19.21|18:03:49]     Top1: 60.79%

[07.19.21|18:03:49]     Top5: 89.78%

[07.19.21|18:03:49] Done.