ST-GCN复现以及配置环境遇到的问题（Colab）

ST-GCN复现以及配置环境遇到的问题（Colab）

ST-GCN介绍：解读：基于动态骨骼的动作识别方法ST-GCN（时空图卷积网络模型）_浪浪的博客-CSDN博客

这里我就不多介绍了，大家可以别的地方看看。这里我主要介绍复现过程遇到的坑。由于本人电脑比较辣鸡，在本地跑程序的时候环境出现了很多问题。所以只能去colab跑程序，优势有很多，首先有免费的GPU，第二环境配置出现问题较少，第三速度快。

本次实验是在colab（要科学上网）的基础上跑的，所以本地电脑会出现哪种状况我就不晓得了。

废话不多说，先上 github：Niki173/st-gcn

这里我是转载这个大神的github：https://github.com/1zgh/st-gcn

之前我用过两个链接都无法实现：https://github.com/yysijie/st-gcn（这个网上指导帖子比较多，但是我就差最后一步没有复现出来）

https://github.com/open-mmlab/mmskeleton（这个网上指导帖子比较少，我自己捣鼓了几次，果断放弃）

当然你们也可以试一下他们的方法，也许是我太菜了，你们可以复现出来。

首先是配置openpose，这个是真的非常难搞，我一大半的时间都是花在配置openpose环境的问题上，后来看到有个帖子试了一下，效果还是可以的。https://colab.research.google.com/github/tugstugi/dl-colab-notebooks/blob/master/notebooks/OpenPose.ipynb，但是有一个非常奇怪的现象，我刚开始以为是只要用到第一个cell，所以我只是复制了第一个cell过去我的ipynb，但是它配置环境的时候就会缺很多东西，导致后面无法运行（试了好多次，还没醒悟）。后来我是直接复制它这个ipynb，

点击复制到云端硬盘。然后只需要运行第一个cell，就是这个

出现了这个就说明openpose配置成功了

然后再执行其他命令。

接下来的程序是借鉴这个大神的文章：配置ST-GCN环境记录【Google colab】_ghw/article/details/107610136
但是他用的github：https://github.com/yysijie/st-gcn，刚开始我就是完全按照他的步骤走，还是卡死再最后一步。

所以我换了文章开头那个github，但是居然能跑通，我也觉得很奇怪。

1.先安装cuda,还有ubuntu等环境

!wget https://developer.nvidia.com/compute/cuda/9.0/Prod/local_installers/cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64-deb
!dpkg -i cuda-repo-ubuntu1604-9-0-local_9.0.176-1_amd64-deb # 安装软件包：dpkg -i <.deb file name>
!apt-key add /var/cuda-repo-9-0-local/7fa2af80.pub # 下载的文件添加到本地数据库
!apt-get update
!apt-get install cuda=9.0.176-1

2. 安装torchvision

!pip install torchvision==0.2.0

3.安装环境所需的其他python库

 !pip install -r /content/st-gcn/requirements.txt

4. 安装ffmpeg

!sudo apt-get install ffmpeg

5. 安装torchlight

 %cd /content/st-gcn/torchlight
 !python setup.py install
 %cd ..

6. 获取预训练模型

!bash /content/st-gcn/tools/get_models.sh

7. 安装PyYAML(如果不安装就会出现如下情况：AttributeError: module ‘yaml’ has no attribute 'FullLoader’AttributeError: module ‘yaml’ has no attribute ‘FullLoader’)

!pip install -U PyYAML

8. clone本次实验的代码

!git clone Niki173/st-gcn

9.执行检测代码

!python main.py demo --video /content/st-gcn/resource/media/ta_chi.mp4 --openpose /content/openpose/build

然后就会出现结果了：

现实预测结果是tai_chi,可视化完成，并且把结果保存在 ./data/demo_result/ta_chi.mp4.
我们把它下载到本地，然后打开。

复现成功！！！
也可以换一个视频测试一下，比如执行

!python main.py demo --video /content/st-gcn/resource/media/skateboarding.mp4 --openpose /content/openpose/build

大功告成。