ST-GCN复现的全过程（详细）

已于 2023-11-06 15:21:43 修改
阅读量1.4w 收藏 171
点赞数 26
分类专栏： action recognition 文章标签： pycharm 神经网络 深度学习 pytorch
于 2022-05-16 08:49:16 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/m0_56698268/article/details/124781356
版权
本文详细记录了在PyCharm中复现ST-GCN的全过程，包括服务器环境准备、数据集处理、网络训练与测试。主要使用Python3.7.13和PyTorch1.10.0。数据集采用NTU RGB+D，遇到的问题包括 Torchlight库导入、GPU设备配置和远程服务器数据同步。训练过程中，每10个epoch保存一次模型，测试时可加载已保存模型。建议确保网络稳定性，并研究多GPU并行训练。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

提前工作

服务器

本机环境

数据集

运行逻辑

第一步   处理数据集

 第二步 训练网络

 第三步 测试

总结的问题

提前工作

服务器

我其实复现了2次，第一次是用的3070，第二次尝试了并行超算云服务器，里面有8张 A100。两个都是采用了本机远程ssh连接服务器跑。（超算云服务器跑ST-GCN的一些配置可以之前写的博客：并行超算云直连SSH，Pycharm运行ST-GCN_Eric加油学！的博客-优快云博客）

最低0.47元/天 解锁文章
动作识别/分类——STGCN（复现方法说明）
luodaxia_ttt的博客
05-16 1万+
本文不涉及对STGCN的理解，仅讲解如何跑通程序。 针对开源项目st-gcn
ST-GCN复现过程（Ubuntu20.04+GPU）（已完结）
weixin_44283270的博客
04-04 4653
ST-GCN复现全过程
ST-GCN 源码复现
最新发布
2401_83365752的博客
03-31 765
进入虚拟环境，进入st-gcn目录，用conda安装pytorch。安装 Torchlight（ST-GCN 的辅助工具）解压后，将文件夹中的内容复制到 CUDA 安装目录。本实验在anaconda prompt中进行操作。下载 Kinetics-skeleton 数据。，直接加载预处理骨架数据，而不是调用。安装 cuDNN（8.9.2.26）验证 Pytorch 是否安装正确。训练代码中自带了数据转换代码。安装 CUDA（11.8）数据集转换为训练使用的。下载 ST-GCN 源码。安装 Pytorch。
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
QIANFANGshiwo的博客
10-23 3489
手把手教你在Win11上复现mmskeleton中的ST-GCN骨架动作识别模型一、背景二、基础环境三、详细步骤 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：
st-gcn复现
XYKenny的博客
05-06 3467
st-gcn执行命令 进入存储代码的目录，激活pytorch环境，之后运行命令 python main.py demo --openpose openpose\bin\OpenPoseDemo.exe --video ta_chi.mp4 --device 0
ST-GCN代码复现
weixin_38506559的博客
03-23 4393
cudnn: 安一个对应你电脑的版本就可以。
ST-GCN复现以及配置环境遇到的问题（Colab）
weixin_47349091的博客
03-01 4032
ST-GCN复现以及配置环境遇到的问题（Colab） ST-GCN介绍：解读：基于动态骨骼的动作识别方法ST-GCN（时空图卷积网络模型）_浪浪的博客-优快云博客 这里我就不多介绍了，大家可以别的地方看看。这里我主要介绍复现过程遇到的坑。由于本人电脑比较辣鸡，在本地跑程序的时候环境出现了很多问题。所以只能去colab跑程序，优势有很多，首先有免费的GPU，第二环境配置出现问题较少，第三速度快。 本次实验是在colab（要科学上网）的基础上跑的，所以本地电脑会出现哪种状况我就不晓得了。 废话不多说，先上
复现st-gcn(win10+openpose1.5.1+VS2017+cuda10+cudnn7.6.4)
qq_42514225的博客
08-01 5023
大概步骤分两步：编译openpose+安装运行st-gcn 一、准备工作 安装VS2017，cuda10，cudnn7.6.4(注意顺序不能变) 1、安装VS2017 需要注意的是，安装的时候默认路径，以免出现错误。其余正常安装就可以了。 2、安装cuda10 ✳安装时要自定义安装，不要精简安装。cuda最后一项不要勾选。 3、安装cudnn 下载得到的文件，按照对应文件夹，把里面的内容复制粘贴到cuda文件夹中。cuda文件夹位置：C:\Program Files\NVIDIA GPU Computi
ST-GCN 使用+复现
weixin_42285497的博客
10-29 1万+
ST-GCN 使用+复现 下载所需数据集 Kinetics 与 NTU-RGB+D Kinetics(百度云)下载地址 NTU-RGB+D (their website) (Only the 3D skeletons(5.8GB) modality is required in our experiments) stgcn官方使用了Kinetics-skeleton和NTU RGB+D...
ST-GCN源码分析
m0_56698268的博客
03-24 1万+
ST-GCN源码分析
STGCN-PyTorch-master.zip_STGCN 代码分析_STGCN pytorch_stgcn_stgcn d
07-15
以下是对STGCN模型以及其PyTorch实现的详细解释： 1. **STGCN模型结构**： - **图卷积网络（Graph Convolutional Network, GCN）**：STGCN的基础是GCN，它能够处理非欧几里得数据，如图结构的数据。在STGCN中，图...
Pytorch复现STGCN：基于图卷积时空神经⽹络在交通速度中的预测
04-19
Pytorch复现STGCN：基于图卷积时空神经⽹络在交通速度中的预测
ST-GCN的学习之路（二）源码解读 （Pytorch版）
热门推荐
qq_44024204的博客
03-20 2万+
ST-GCN的学习之路（二）源码解读 （Pytorch版）引言代码分析核心代码分析 net网络graph.pyself.get_edgeself.get_hop_distanceself. get_adjacencyst-gcn.py网络的输入网络的结构ST-GCN基本单元tgcn.py其他代码总结博客参考插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰
PA-ResGCN for Skeleton-based Action Recognition论文解读与复现
m0_50811752的博客
04-19 3048
基于骨架的动作识别：ResGCNResGCN论文解读ResGCN整体框架基于骨架的动作识别相关工作GCNMultiple Input Branches（MIB）ResGCNPart-wise Attention实验参数消融术研究ResGCN代码复现 这是ACMMM2020的一篇文章，题目为：Stronger, Faster and More Explainable: A Graph Convolutional Baseline for Skeleton-based Action Recognition 原文
ST-GCN论文简读以及复现
如果想成为中心，那么就到中心去吧。
10-14 3772
code: https://github.com/yysijie/st-gcn 文章目录普通卷积与图卷积普通卷积图卷积数据输入数据结构数据预处理图划分策略网络结构复现 普通卷积与图卷积 普通卷积 在理解图卷积之前，需要认识一下传统的卷积。对于一个3×3的卷积操作而言，相当于把3×3的卷积核在图像上滑动。每一次会有对应的9个数字相乘之后相加，然后得到一个最终的值。 在这里，换一个角度来看，图像上的每一个数字都是一个特征，而卷积的操作，是以一个像素点为中心，将其周围的8个点连同它自己的特征加权（卷积核的值）后.
保姆级在Windows下复现OpenPose+ST-GCN行为识别
m0_70694811的博客
05-07 2572
具体原理这里不介绍，大家自行查阅，比如Openpose是个啥？ST-GCN又是个啥？一、默认Openpose已经配置好。
win10 ST-GCN复现
qq_41935047的博客
12-06 4172
win10 ST-GCN复现 下载源码 https://github.com/yysijie/st-gcn 安装requirements 1.anaconda切换python环境 命令为 conda activate 环境名，如： conda activate pytorch1.4 2.安装requirements cd st-gcn //切换到st-gcn目录下，win10可能要以管理员模式开启cmd pip install -r requirements.txt 提示安装失败，于是一个一个安装pac
复现ST-GCN输出动作分类视频（win10+openpose1.5.0+VS2019+CMake3.25.0+cuda10.0）
hdyan1118的博客
11-18 1947
ST-GCN
如何利用ST-GCN进行时空动作数据的特征提取和动作识别？请提供基于《ST-GCN人体动作识别系统：完整python源码与应用指南》的实践步骤和示例代码。
11-12
ST-GCN作为图卷积网络的一个重要应用，已经在人体动作识别领域取得了显著成果。要实现从动作数据中提取时空特征并进行识别，你可以按照以下步骤进行： 参考资源链接：[ST-GCN人体动作识别系统：完整python源码与应用指南](https://wenku.youkuaiyun.com/doc/709nvjkhx6?spm=1055.2569.3001.10343) 1. 环境配置：首先确保你的Python环境满足所有依赖，包括但不限于PyTorch、NumPy、OpenCV等库。使用pip或conda进行安装，例如： ``` pip install torch torchvision conda install numpy opencv ``` 并确保安装了所有在`setup.py`文件中列出的其他依赖。 2. 数据准备：准备动作数据集，通常为视频文件或预处理后的时空图数据。根据需要，可能要对数据集进行划分，分为训练集和测试集。 3. 数据预处理：读取数据并转换成适合ST-GCN处理的格式。例如，如果数据集是视频，需要将其转换为时空图结构，即通过关键点检测提取骨架图像，然后将这些图像转换为时空图序列。 4. 模型搭建：根据《ST-GCN人体动作识别系统：完整python源码与应用指南》，加载预训练模型或搭建自定义ST-GCN模型。模型通常包含多个ST-GCN层，用于提取时空特征。 5. 训练模型：使用训练集数据训练模型，可能需要调整超参数，如学习率、批大小、迭代次数等。 6. 模型评估：使用测试集评估模型性能，常用的评估指标包括准确率、召回率和F1分数。 7. 动作识别：将训练好的模型应用于新的动作数据，进行特征提取和识别。 以下是一个简化的示例代码，展示如何加载ST-GCN模型并用其进行动作识别： ```python import torch from mmskl import STGCN # 假设mmskl是包含STGCN类的模块 # 加载预训练模型 model = STGCN() model.load_state_dict(torch.load('path_to_pretrained_model.pth')) # 设置模型为评估模式 model.eval() # 读取动作数据 with torch.no_grad(): data = ... # 加载动作数据 output = model(data) # 获取识别结果 _, pred = output.max(dim=1) ``` 为了深入理解ST-GCN的原理和应用，你可以参考《ST-GCN人体动作识别系统：完整python源码与应用指南》这本书。该指南提供了从理论到实践的详细说明，帮助你快速上手项目并进行应用开发。在深入学习ST-GCN后，可以尝试对系统进行扩展或优化，以满足特定应用的需求。 在掌握了ST-GCN的基本使用方法后，建议你继续探索其他深度学习和计算机视觉领域的资源，例如研究最新的动作识别算法、优化模型结构等，以进一步提升你的技能和项目的效果。 参考资源链接：[ST-GCN人体动作识别系统：完整python源码与应用指南](https://wenku.youkuaiyun.com/doc/709nvjkhx6?spm=1055.2569.3001.10343)
评论 68
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值