Social GAN 项目使用教程

1. 项目的目录结构及介绍

sgan/
├── data/
│   ├── __init__.py
│   ├── trajectory_dataset.py
│   └── ...
├── models/
│   ├── __init__.py
│   ├── sgan.py
│   └── ...
├── scripts/
│   ├── __init__.py
│   ├── evaluate_model.py
│   ├── train.py
│   └── ...
├── utils/
│   ├── __init__.py
│   ├── metrics.py
│   └── ...
├── README.md
├── requirements.txt
└── ...

• data/: 包含数据处理的相关脚本。
• models/: 包含模型的定义和实现。
• scripts/: 包含训练和评估模型的脚本。
• utils/: 包含各种辅助函数和工具。
• README.md: 项目说明文档。
• requirements.txt: 项目依赖的Python包列表。

2. 项目的启动文件介绍

项目的启动文件主要是 scripts/train.py，用于训练模型。

# scripts/train.py

import argparse
import os
import torch
from torch.utils.data import DataLoader
from models import SGAN
from data import TrajectoryDataset
from utils import ...

def main(args):
    # 数据加载
    dataset = TrajectoryDataset(args.data_dir, args.obs_len, args.pred_len, args.skip, args.delim)
    loader = DataLoader(dataset, batch_size=args.batch_size, shuffle=True, num_workers=args.num_workers)
    
    # 模型定义
    model = SGAN(args)
    
    # 训练模型
    for epoch in range(args.num_epochs):
        for batch in loader:
            ...

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--data_dir', default='data/', help='Directory containing the dataset')
    parser.add_argument('--obs_len', type=int, default=8, help='Number of observation steps')
    parser.add_argument('--pred_len', type=int, default=12, help='Number of prediction steps')
    parser.add_argument('--skip', type=int, default=1, help='Frame skip interval for forming the sequence')
    parser.add_argument('--delim', default='\t', help='Delimiter for the input files')
    parser.add_argument('--batch_size', type=int, default=64, help='Batch size for training')
    parser.add_argument('--num_epochs', type=int, default=200, help='Number of epochs to train for')
    parser.add_argument('--num_workers', type=int, default=4, help='Number of workers for loading data')
    args = parser.parse_args()
    main(args)

3. 项目的配置文件介绍

项目的配置文件主要是 requirements.txt，列出了项目运行所需的Python包及其版本。

# requirements.txt

torch==1.8.1
numpy==1.20.1
pandas==1.2.3
matplotlib==3.3.4
...

通过安装这些依赖包，可以确保项目在本地环境中正常运行。

pip install -r requirements.txt

以上是 Social GAN 项目的目录结构、启动文件和配置文件的介绍。希望这份教程能帮助你更好地理解和使用该项目。