ST-GCN

实习期间工作代码放在245服务器中/data/zjw路径下

video:
处理视频相关代码在video文件夹中。其中HMDB_clip.py是主要的裁剪视频（将动作片段裁出来，resize成512*512）的代码。其余代码主要用于将视频格式统一，如重命名、将MP4视频转化为AVI等。
处理后的视频在245机器上，路径为/data/humaocheng/action_classification/filtered_output_zjw，未处理的视频数据集在/data/humaocheng/action_classification/new_datasets

st-gcn:
ST-GCN的实现代码
如果要进行预测，命令行为python main.py predict。 如果要修改输入的数据集，可以修改 processor/predict.py 文件
如果要进行训练，命令行为 python main.py recognition -c config/st_gcn/kinetics-skeleton/train.yaml

py-skl:
ST-GCN++代码
负责预测的类为ActionPredict，可以直接被使用。路径在demo/action_predict.py。可以修改demo/test.py 中的config和数据集，自定义需要预测的数据

如果要进行训练，可以使用命令
bash tools/dist_train.sh ${CONFIG_FILE} ${NUM_GPUS} [optional arguments]

# For example: train STGCN++ on NTURGB+D XSub (3D skeleton, Joint Modality) with 8 GPUs, with validation, and test the last and the best (with best validation metric) checkpoint.
bash tools/dist_train.sh configs/stgcn++/stgcn++_ntu60_xsub_3dkp/j.py 8 --validate --test-last --test-best

也可以使用软链接在pycharm中运行 \pyskl-main\distributed\launch.py 参数为
-m
torch.distributed.launch
--nproc_per_node=2
--master_port=-29500
/data/zjw/pyskl-main/tools/train.py
/data/zjw/pyskl-main/configs/posec3d/x3d_shallow_ntu60_xsub/joint.py
--validate
--test-best