DMGNN 项目使用教程

1. 项目目录结构及介绍

DMGNN/
├── cmu-long/
├── cmu-short/
├── config/
│   ├── CMU/
│   │   ├── short/
│   │   │   ├── train.yaml
│   │   │   └── test.yaml
│   └── H36M/
│       ├── short/
│       │   ├── train.yaml
│       │   └── test.yaml
├── data/
├── h36m-long/
├── h36m-short/
├── img/
├── torchlight/
│   └── setup.py
├── .gitignore
├── LICENSE
├── README.md
└── main.py

目录结构说明

• cmu-long/ 和 cmu-short/：包含用于CMU Mocap数据集的训练和测试代码。
• config/：包含项目的配置文件，分为CMU和H36M两个数据集的配置。
• data/：用于存放数据集的目录。
• h36m-long/ 和 h36m-short/：包含用于Human3.6M数据集的训练和测试代码。
• img/：存放项目相关的图像文件。
• torchlight/：包含项目依赖的torchlight库的安装脚本。
• .gitignore：Git忽略文件配置。
• LICENSE：项目许可证文件。
• README.md：项目说明文档。
• main.py：项目的启动文件。

2. 项目启动文件介绍

main.py

main.py 是DMGNN项目的主要启动文件，用于训练和测试模型。它支持不同的任务，如短期预测和长期预测，并且可以通过配置文件进行参数调整。

使用示例

# 训练模型
python main.py prediction -c config/CMU/short/train.yaml

# 测试模型
python main.py prediction -c config/CMU/short/test.yaml

3. 项目配置文件介绍

config/ 目录

config/ 目录下包含多个配置文件，用于定义训练和测试的参数。每个数据集（如CMU和H36M）都有对应的配置文件。

配置文件示例

# config/CMU/short/train.yaml

# 训练参数
batch_size: 64
learning_rate: 0.001
epochs: 100

# 数据路径
data_path: "data/CMU/short/"

# 其他参数
...

配置文件说明

• batch_size：批处理大小。
• learning_rate：学习率。
• epochs：训练轮数。
• data_path：数据集路径。

通过修改这些配置文件，可以调整模型的训练和测试行为。

---

以上是DMGNN项目的使用教程，涵盖了项目的目录结构、启动文件和配置文件的详细介绍。希望这些信息能帮助你更好地理解和使用该项目。