ST-GCN for PyTorch

概述

简述

动态骨架模型ST-GCN，它可以从数据中自动地学习空间和时间的patterns，这使得模型具有很强的表达能力和泛化能力。在Kinetics和NTU-RGBD两个数据集上与主流方法相比，取得了质的提升。

• 参考实现：

  url=https://github.com/open-mmlab/mmskeleton/tree/master/deprecated/origin_stgcn_repo
  commit_id=b4c076baa9e02e69b5876c49fa7c509866d902c7
  

• 适配昇腾 AI 处理器的实现：

  url=https://gitcode.com/ascend/ModelZoo-PyTorch.git
  code_path=PyTorch/contrib/cv/pose_estimation
  

准备训练环境

准备环境

• 当前模型支持的 PyTorch 版本和已知三方库依赖如下表所示。

  表 1 版本支持表

  Torch_Version	三方库依赖版本
  PyTorch 1.5	torchvision==0.2.2.post3
  PyTorch 1.8	torchvision==0.9.1

• 环境准备指导。

  请参考《Pytorch框架训练环境准备》。

• 安装依赖。

  在模型源码包根目录下执行命令，安装模型对应PyTorch版本需要的依赖。

  pip install -r 1.5_requirements.txt  # PyTorch1.5版本
  
  pip install -r 1.8_requirements.txt  # PyTorch1.8版本
  

  说明： 只需执行一条对应的PyTorch版本依赖安装命令。

准备数据集

1. 获取数据集。

   用户自行下载 Kinetics-skeleton 数据集，将数据集上传到服务器任意路径下并解压。

   数据集目录结构参考如下所示。

   ├── Kinetics
         ├──kinetics-skeleton
              ├──train_data.npy     
              ├──train_label.pkl
              ├──val_data.npy
              ├──val_label.pkl 
   

   说明： 该数据集的训练过程脚本只作为一种参考示例。

开始训练

训练模型

1. 进入解压后的源码包根目录。

   cd /${模型文件夹名称} 
   

2. 运行训练脚本。

   该模型支持单机单卡训练和单机8卡训练。

   • 单机单卡训练

     启动单卡训练。

     bash ./test/train_full_1p.sh --data_path={data/path} # 单卡精度
     bash ./test/train_performance_1p.sh --data_path={data/path} # 单卡性能
     
     

   • 单机8卡训练

     启动8卡训练。

     bash ./test/train_full_8p.sh --data_path={data/path} # 8卡精度
     bash ./test/train_performance_8p.sh --data_path={data/path} # 8卡性能
     

   • 单机单卡评测

     启动单卡评测

     bash ./test/train_eval.sh --data_path={data/path} #单卡评测
     

   --data_path参数填写数据集路径，需写到数据集的一级目录。

   模型训练脚本参数说明如下。

   --device                设备卡号
   --data_path             数据集路径
   --use_gpu_npu           使用的设备，npu或gpu
   --lr                    学习率
   --train_epochs          训练epoch
   --test_path_dir    		模型保存路径
   

   训练完成后，权重文件保存在当前路径下，并输出模型训练精度和性能信息。

训练结果展示

表 2 训练结果展示表

NAME	Acc@1	FPS	Epochs	AMP_Type	Torch_Version
1P-竞品V	-	-	2	-	1.5
8P-竞品V	-	-	50	-	1.5
1P-NPU	-	490.122	2	O2	1.8
8P-NPU	31.75	1289.94	50	O2	1.8

版本说明

变更

2022.11.14：更新内容，重新发布。

FAQ

无。

公网地址说明

代码涉及公网地址参考 public_address_statement.md