【亲测免费】 CTR-GCN 项目使用教程

1. 项目的目录结构及介绍

CTR-GCN 项目的目录结构如下：

CTR-GCN/
├── config/
│   └── nturgbd120-cross-subject/
│       └── default.yaml
├── data/
│   ├── NW-UCLA/
│   │   └── all_sqe
│   └── ntu/
│       ├── ntu120/
│       │   └── nturgbd_raw/
│       │       ├── nturgb+d_skeletons/
│       │       └── nturgb+d_skeletons120/
├── feeders/
├── graph/
├── model/
├── src/
├── torchlight/
├── LICENSE
├── README.md
├── ensemble.py
├── main.py
└── requirements.txt

目录结构介绍

• config/: 存放项目的配置文件，如 default.yaml，用于配置训练和测试的参数。
• data/: 存放数据集的目录，包括 NW-UCLA 和 ntu 数据集。
• feeders/: 数据加载器相关的代码。
• graph/: 图卷积网络相关的代码。
• model/: 模型定义的代码。
• src/: 项目的主要源代码。
• torchlight/: 项目依赖的工具库。
• LICENSE: 项目的开源许可证。
• README.md: 项目的介绍文档。
• ensemble.py: 用于模型集成测试的脚本。
• main.py: 项目的启动文件。
• requirements.txt: 项目依赖的 Python 包列表。

2. 项目的启动文件介绍

项目的启动文件是 main.py，它负责项目的训练和测试。以下是 main.py 的主要功能介绍：

主要功能

• 训练模型: 通过配置文件和命令行参数，启动模型的训练过程。
• 测试模型: 加载预训练模型并进行测试，生成测试结果。
• 模型集成: 支持多个模态的模型集成测试。

使用示例

# 训练 CTR-GCN 模型
python main.py --config config/nturgbd120-cross-subject/default.yaml --work-dir work_dir/ntu120/csub/ctrgcn --device 0

# 测试已训练的模型
python main.py --config <work_dir>/config.yaml --work-dir <work_dir> --phase test --save-score True --weights <work_dir>/xxx.pt --device 0

3. 项目的配置文件介绍

项目的配置文件位于 config/ 目录下，主要配置文件是 default.yaml。以下是配置文件的主要内容介绍：

配置文件结构

# 数据集路径
train_feeder_args:
  data_path: "data_path"
  label_path: "label_path"

# 模型参数
model:
  type: "CTRGCN"
  num_class: 120

# 训练参数
train:
  batch_size: 64
  lr: 0.001
  epochs: 100

# 测试参数
test:
  batch_size: 64

配置文件介绍

• train_feeder_args: 配置数据加载器的参数，包括数据路径和标签路径。
• model: 配置模型的类型和类别数。
• train: 配置训练的参数，如批量大小、学习率和训练轮数。
• test: 配置测试的参数，如批量大小。

通过修改配置文件，可以调整模型的训练和测试行为。