ST-GCN复现的全过程（详细）

只看该作者 · 2023-4-20 16:56

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。

本机环境

第一次完整复现过程是在win的vscode上，python3.8，torch版本有点忘了好像是1.10+cu113。（忽略即可）

第二次是macOS的Pycharm 2021.1.2 专业版。 python3.7.13，torch1.10.0+cu113

下面主要是将第二次的过程，其实过程步骤是一样的。

系统和IDE没什么关系，主要是python版本和torch的cuda版本最好要对应一下。

数据集

ST-GCN官方的数据集是用的Kinetics和NTU RGB+D，如果用Kinetics或者要跑那个demo的话，是需要提前安装配置好openpose的，我嫌太麻烦，就没配置，直接用NTU RGB+D，因为NTU里面自带有骨骼点的。好像也是可以用自建的数据集的，不过没尝试过，后续步骤反正是差不多的。

由于是远程ssh连接服务器，所以还需要提前把数据集和代码都拷到服务器当中，然后本机和服务器进行连接，中间的过程就不讲了，不懂得可以看我前面的blog或者网上帖子。

只看该作者 · 2023-4-20 16:56

运行逻辑
一切就绪后，打开st-gcn代码，有库没导的自己导一下，我遇到的主要问题好像是torchlight那个库，比较麻烦，因为它是 from torchlight.io import xxxxxx 类似于这样子的方式，但是它那个文件夹里io、gpu等py文件有2层路径，所以需要改成 from torchlight.torchlight.io import xxxxx 就是再加一个torchlight包的路径。如果还有其他的一些小bug可以再看其他博主的经验贴。

如果知道ST-GCN输入终端命令后的各种调用逻辑，那运行起来有bug可以快速找到问题，如果不知道的也可以参考一些之前发的一个源码分析blog，里面有写一些调用逻辑（比如 gpu设备是怎么调用的，参数是怎么解析的）

只看该作者 · 2023-4-20 16:57

第一步处理数据集
终端进入服务器配好的虚拟环境，然后cd到服务器st-gcn代码文件夹的位置

复制





python tools/ntu_gendata.py --data_path <path to nturgbd+d_skeletons>

只看该作者 · 2023-4-20 16:57

这个就是处理的终端命令，是执行tools包下的ntu_gendata.py文件来输出数据集的，data_path是通过参数解析你所输入的地址，如上图所示，data_path后面输入你数据集所在的整个路径，就可以开始处理数据集了。

只看该作者 · 2023-4-20 16:57

这里遇到我犯了个超蠢的错误：

我一开始无论怎么解析我的地址，都显示找不到该文件夹，我一开始以为是字符串拼接的问题，比如 \ 和 \\ 这种转义字符的问题，各种尝试都没用，后来我又尝试了不使用参数解析，我直接找到调用的那个文件，直接把参数解析注释掉，直接手动赋值为我的地址，也不起效果。

最后找到问题了，居然是我解析的地址是我本机的数据集地址！！！我用的是服务器的环境，进入的是服务器的代码文件地址，结果居然解析我本机的地址，实在是太蠢了...

只看该作者 · 2023-4-20 16:57

命令输入完毕后，会开始处理数据集，分别是xsub的train和val 还有xview的train和val，最后如果你没有做其他更改的话，应该是在根目录下新建一个data包，保存到data/NTU-RGB-D/nturgb+d_skeletons.

只看该作者 · 2023-4-20 16:58

只看该作者 · 2023-4-20 16:58

第二步训练网络
我先训练的是ntu-xsub ，readme里也有命令

只看该作者 · 2023-4-20 16:58

复制

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

只看该作者 · 2023-4-20 16:58

一开始给我报错了，是cuda设备相关的问题，代码里是如果gpu个数大于1，可以设置并行运行，超算云服务器好像是有多张卡，但我不知道怎么处理多gpu问题，所以干脆直接设置gpu数量为1

只看该作者 · 2023-4-20 16:58

主要修改的是torchlight包下的gpu.py文件：

只看该作者 · 2023-4-20 16:59

只看该作者 · 2023-4-20 16:59

然后再输入运行的命令，就开始跑了，batch-size设置的64，epoch为80(之前3070跑的时候batchsize只能设到8，大了跑不动)

只看该作者 · 2023-4-21 00:24

只看该作者 · 2023-4-21 00:24

这个跑的还挺快的，一个epoch用时9分钟左右吧，之前3070一个epoch好像要13分钟左右。（感觉如果用多gpu并行会跑的巨快，听说超算云里面有8张卡）

只看该作者 · 2023-4-21 00:24

第三步测试
训练模型时，每10个epoch会保存一次模型，在model包下，训练完毕时使用test命令.

只看该作者 · 2023-4-21 00:31

复制

python main.py recognition -c config/st_gcn/<dataset>/test.yaml

只看该作者 · 2023-4-21 00:32

<dataset> 改成要测试的就行了比如 ntu-xsub

如果训练的model没有放在model包下，放在了work_dir下，也可以手动添加 --weights <path to model weights> 或者直接在test.yaml文件里第一行把weights的值改成你要的路径，然后输入上面的指令即可。

只看该作者 · 2023-4-21 00:35

比如我这次只训练了40个epoch被中断了，然后model放在了work_dir下的recognition下，我就可以直接用训练好的40个epoch的先去测试。

只看该作者 · 2023-4-21 00:35