复现代码结果问题

[zhaokaipan]

您好，我按照您的readme复现了您的工作，在ntu60数据集上面我跑了一下xview视角的结果，识别结果如下图所示，top1分数为91%大概，跟您论文里的94.9，稍有差距，我想知道这是什么原因引起的？ ![Uploading ecd60ec2798c0f65c9cd70d752f660a.png…]()

您给出的代码并不能直接用来执行，在blockgcn文件里，model部分关于测试部分和模型部分均少了一个joint参数，我加上之后才可以运行程序，除此之外，我在训练时的批次为8，这是由于我的显卡内存限制，其他均保持不变。 期待您的回复！ 谢谢！

[ZhouYuxuanYX]

您好，

首先batch size对神经网络的优化影响较大，如果内存不够建议你采用gradient accumulation或者graident checkpointing来解决。更重要的一点是，这个领域的分数最常见的是融合4个模态的结果，即joint， bone， joint motion和bone motion。还有很多文章甚至采用6个模态或者用其他模态替换掉了比较弱的motion模态。所以我们所采用的四模态融合结果是绝对公正可靠的。

其实这些在我们的文章以及相关文献里都有详细表述，请你仔细阅读一下文章。另外我们提供了ensemble.sh用来得到融合结果。希望大家在提问之前能自己多花点时间研究清楚。 这个joint我看了一下，好像并没有少呢，请问能够具体指出哪一行的code吗，谢谢。

[zhaokaipan]

您好！ 十分感谢您的回复，十分不好意思，是我的描述不够清楚，我上述的复现工作只跑了关于joint部分的内容，ntu60最好是90.97，您论文里是94.9，ntu120是81.58，论文部分是87.7，可能跟我的训练批次有关系，4模态融合的工作我后续会继续做，感谢您的指导！ 但是我确实在跑您的代码的时候出现了少参数的现象，导致程序在对joint部分单独训练的时候出现了问题，具体是在main函数的580和588行部分，就是关于训练过程中测试的部分，580行程序提示期望的参数不只有三个，具体更改由 for batch_idx, (data, label, index) in enumerate(process):改为 for batch_idx, (joint,data, label,index) in enumerate(process) 588行由 output, y = self.model(data, F.one_hot(label, num_classes=self.model.module.num_class))改为 output, y = self.model(data, F.one_hot(label, num_classes=self.model.module.num_class),joint)，这部分的修改是我看了您的程序后修改的，修改之后可以正常训练，不知道这样的修改是否正确，希望得到您的指点!谢谢！ 祝您工作顺利，生活愉快！

[ZhouYuxuanYX]

我现在看到了，test函数的确少了joint参数，更新的时候给漏掉了。代码已修改，感谢提醒。