关于lstm_end_to_end.py的一些问题，想要请教

[LLLaity]

大佬，我最近在学习您的这个时空网络，想要复现一下，但是关于您的模型设定一直搞不明白，尤其是关于enum_type.py中的每个模式具体的作用是如何设定和起作用的不是很懂，想向您请教一下。比如我如果单纯的想要通过resnet101提取特征，然后通过lstm进行时间维度的处理，那在参数这里要如何设定呢？大佬，您能指教一下吗？万分感谢!

如下： parser.add_argument('--spatial_edge_mode', type=SpatialEdgeMode, choices=list(SpatialEdgeMode), help='1:all_edge, 2:configure_edge, 3:no_edge')

parser.add_argument('--spatial_sequence_type', type=SpatialSequenceType, choices=list(SpatialSequenceType), help='1:all_edge, 2:configure_edge, 3:no_edge')

parser.add_argument('--temporal_edge_mode', type=TemporalEdgeMode, choices=list(TemporalEdgeMode), help='1:rnn, 2:attention_block, 3.point-wise feed forward(no temporal)')

parser.add_argument('--two_stream_mode', type=TwoStreamMode, choices=list(TwoStreamMode), help='spatial/ temporal/ spatial_temporal')

parser.add_argument('--conv_rnn_type', type=ConvRNNType, choices=list(ConvRNNType), help='conv_lstm or conv_sru')

[machanic]

你用这个选项吧 --temporal_edge_mode，具体你看看代码，这个代码几年前写的，我记得不是很清了，但整体逻辑是把人脸的各个区域变成一个个node，然后整体一个graph连接起来。

[LLLaity]

好的，非常感谢帮助！