复现论文遇到的问题——STGCNN模型

近段时间研究了一篇论文

《Social-STGCNN:A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory Prediction》

文章主要说明了作者如何构建人类轨迹预测的社会时空图卷积神经网络（STGCNN）模型来预测行人的轨迹，并证明了模型的预测准确性优于当前表现最好的一些模型。

作者首先通过构造时空图来表示行人轨迹，并利用核函数量化行人之间的影响，然后通过 时空图卷积神经网络(ST-GCNN) 提取特征，将其输入到 时间外推器卷积神经网络(TXP-CNN) 中进行轨迹预测。

基于这篇论文我想发表一下自己的看法，首先我认为作者的模型很有创新性，比如说，作者将行人的轨迹通过时空图来表示，以及所建立的模型还考虑了行人之间交互的影响，但人的行走轨迹受人的主观意识影响比较大，除了模型中考虑到的碰撞，平行行走和个人见面等，一个人的所见所闻所感都会影响它的轨迹方向，也就是说，人的行走轨迹更主要的还是基于兴趣的引导，单单是从人的历史轨迹和行人之间的交互去预测其未来的轨迹可能存在着一些争议。

不过该模型的方法可以用于机器上，比如车辆，通过车辆的轨迹数据去预测或者生成轨迹数据，为那些轨迹稀疏的城市或地区提供更大规模的轨迹数据集，便于决策者做出更好的决策。

基于此，我找到了这篇文章的开源代码，打算用来预测车辆的轨迹。

https://github.com/abduallahmohamed/Social-STGCNN

但在复现的时候遇到的一些问题，不过也找到了解决办法，在这里记录一下

错误：Torch not compiled with CUDA enabled
解决办法：
第一步：增加代码device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
第二步：使用.cuda()改成.to(device)

错误：BrokenPipeError: [Errno 32] Broken pipe
解决办法： 多线程问题，令num_work=0就可以了

虽然已成功复现，但是这个代码运行比较长，大概需要花两三个小时，因此建议先运行test.py文件。

###############################
补充：对论文结果做了可视化工作，请参照博客

最后

以上就是瘦瘦含羞草为你收集整理的复现论文遇到的问题——STGCNN模型的全部内容，希望文章能够帮你解决复现论文遇到的问题——STGCNN模型所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。