SemGCN 的安装和配置教程

项目基础介绍

SemGCN 是一个基于图卷积神经网络的开源项目，主要用于3D人体姿态回归任务。该项目是对论文 "Semantic Graph Convolutional Networks for 3D Human Pose Regression" 的PyTorch实现。通过使用图结构的数据进行回归任务，该项目能够预测3D人体姿态。

编程语言

主要使用的编程语言是 Python。

关键技术和框架

• 图卷积神经网络（GCN）：用于处理图结构数据的一种神经网络架构。
• PyTorch：一个流行的开源机器学习库，基于 Torch，用于应用如计算机视觉和自然语言处理等领域的深度学习。

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Ubuntu 16.04
• Python 版本：Python 2.7
• GPU：NVIDIA GPU（用于训练和测试）
• PyTorch：版本至少为 1.1.0，具体安装根据 CUDA 版本进行

安装步骤

1. 克隆项目仓库到本地：

   git clone [e-mail]:garyzhao/SemGCN.git
   cd SemGCN
   

2. 安装项目依赖：

   pip install -r requirements.txt
   

3. 准备数据集： 根据项目中的 data/README.md 指导，设置 Human3.6M 数据集及2D检测结果的准备。

4. 评估预训练模型： 以下命令可用于评估预训练模型。将预训练模型文件放在项目根目录下的 checkpoint 文件夹中。

   • 评估 Martinez 等人的模型：

     python main_linear.py --evaluate checkpoint/pretrained/ckpt_linear.pth.tar
     

   • 评估不带非局部块的 SemGCN 模型：

     python main_gcn.py --evaluate checkpoint/pretrained/ckpt_semgcn.pth.tar
     

   • 评估带非局部块的 SemGCN 模型：

     python main_gcn.py --non_local --evaluate checkpoint/pretrained/ckpt_semgcn_nonlocal.pth.tar
     

5. 从头开始训练模型： 若要重现预训练模型的结果，运行以下命令：

   • 对于 Martinez 等人的模型：

     python main_linear.py
     

   • 对于不带非局部块的 SemGCN 模型：

     python main_gcn.py --epochs 50
     

   • 对于带非局部块的 SemGCN 模型：

     python main_gcn.py --non_local --epochs 30
     

6. 可视化模型预测： 通过以下命令可以生成模型预测的可视化结果：

   python viz.py --architecture gcn --non_local --evaluate checkpoint/pretrained/ckpt_semgcn_nonlocal.pth.tar --viz_subject S11 --viz_action Walking --viz_camera 0 --viz_output output.gif --viz_size 3 --viz_downsample 2 --viz_limit 60
   

请按照以上步骤操作，顺利完成 SemGCN 的安装和配置。