下载资源数据库资源详情
FedAvg-ST-GCN-ice.zip
大小:30.2MB
价格:47积分
下载量:0
评分:
5.0
上传者:2301_80488214
更新日期:2025-09-22

一个联邦平均框架，并基于ST-GCN模型进行实验，在Kinetics和NTU60数据集上验证

资源文件列表(大概)

文件名
大小
FedAvg-ST-GCN-ice/
-
FedAvg-ST-GCN-ice/Client.py
5.34KB
FedAvg-ST-GCN-ice/Feeder.py
2.34KB
FedAvg-ST-GCN-ice/Net_utils.py
11.03KB
FedAvg-ST-GCN-ice/Readme.md
1.14KB
FedAvg-ST-GCN-ice/Server.py
3.88KB
FedAvg-ST-GCN-ice/__pycache__/
-
FedAvg-ST-GCN-ice/__pycache__/Client.cpython-38.pyc
4.76KB
FedAvg-ST-GCN-ice/__pycache__/Client.cpython-39.pyc
4.76KB
FedAvg-ST-GCN-ice/__pycache__/Feeder.cpython-38.pyc
2.03KB
FedAvg-ST-GCN-ice/__pycache__/Feeder.cpython-39.pyc
2.11KB
FedAvg-ST-GCN-ice/__pycache__/Net_utils.cpython-38.pyc
7.54KB
FedAvg-ST-GCN-ice/__pycache__/Net_utils.cpython-39.pyc
7.76KB
FedAvg-ST-GCN-ice/__pycache__/tools.cpython-38.pyc
5.35KB
FedAvg-ST-GCN-ice/__pycache__/tools.cpython-39.pyc
5.36KB
FedAvg-ST-GCN-ice/client_log.txt
-
FedAvg-ST-GCN-ice/feeder_kinetics.py
5.68KB
FedAvg-ST-GCN-ice/main.py
137B
FedAvg-ST-GCN-ice/net/
-
FedAvg-ST-GCN-ice/net/__init__.py
20B
FedAvg-ST-GCN-ice/net/__pycache__/
-
FedAvg-ST-GCN-ice/net/__pycache__/__init__.cpython-312.pyc
185B
FedAvg-ST-GCN-ice/net/__pycache__/__init__.cpython-38.pyc
145B
FedAvg-ST-GCN-ice/net/__pycache__/__init__.cpython-39.pyc
203B
FedAvg-ST-GCN-ice/net/__pycache__/st_gcn.cpython-312.pyc
9.64KB
FedAvg-ST-GCN-ice/net/__pycache__/st_gcn.cpython-38.pyc
6.11KB
FedAvg-ST-GCN-ice/net/__pycache__/st_gcn.cpython-39.pyc
6.18KB
FedAvg-ST-GCN-ice/net/st_gcn.py
6.74KB
FedAvg-ST-GCN-ice/net/st_gcn_twostream.py
789B
FedAvg-ST-GCN-ice/net/utils/
-
FedAvg-ST-GCN-ice/net/utils/__init__.py
-
FedAvg-ST-GCN-ice/net/utils/__pycache__/
-
FedAvg-ST-GCN-ice/net/utils/__pycache__/__init__.cpython-312.pyc
158B
FedAvg-ST-GCN-ice/net/utils/__pycache__/__init__.cpython-38.pyc
121B
FedAvg-ST-GCN-ice/net/utils/__pycache__/__init__.cpython-39.pyc
179B
FedAvg-ST-GCN-ice/net/utils/__pycache__/graph.cpython-312.pyc
8.21KB
FedAvg-ST-GCN-ice/net/utils/__pycache__/graph.cpython-38.pyc
5.46KB
FedAvg-ST-GCN-ice/net/utils/__pycache__/graph.cpython-39.pyc
5.39KB
FedAvg-ST-GCN-ice/net/utils/__pycache__/tgcn.cpython-312.pyc
3.03KB
FedAvg-ST-GCN-ice/net/utils/__pycache__/tgcn.cpython-38.pyc
2.47KB
FedAvg-ST-GCN-ice/net/utils/__pycache__/tgcn.cpython-39.pyc
2.51KB
FedAvg-ST-GCN-ice/net/utils/graph.py
6.28KB
FedAvg-ST-GCN-ice/net/utils/tgcn.py
2.34KB
FedAvg-ST-GCN-ice/ntu_process/
-
FedAvg-ST-GCN-ice/ntu_process/ntu_gendata.py
3.58KB
FedAvg-ST-GCN-ice/ntu_process/ntu_read_skeleton.py
2.13KB
FedAvg-ST-GCN-ice/resource/
-
FedAvg-ST-GCN-ice/resource/NTU-RGB-D/
-
FedAvg-ST-GCN-ice/resource/NTU-RGB-D/samples_with_missing_skeletons.txt
6.19KB
FedAvg-ST-GCN-ice/resource/demo_asset/
-
FedAvg-ST-GCN-ice/resource/demo_asset/attention+prediction.png
7.57KB
FedAvg-ST-GCN-ice/resource/demo_asset/attention+rgb.png
6.05KB
FedAvg-ST-GCN-ice/resource/demo_asset/original_video.png
5.88KB
FedAvg-ST-GCN-ice/resource/demo_asset/pose_estimation.png
6.42KB
FedAvg-ST-GCN-ice/resource/info/
-
FedAvg-ST-GCN-ice/resource/info/S001C001P001R001A044_w.gif
354.64KB
FedAvg-ST-GCN-ice/resource/info/S001C001P001R001A051_w.gif
407.52KB
FedAvg-ST-GCN-ice/resource/info/S002C001P010R001A017_w.gif
672.5KB
FedAvg-ST-GCN-ice/resource/info/S003C001P008R001A002_w.gif
504.01KB
FedAvg-ST-GCN-ice/resource/info/S003C001P008R001A008_w.gif
436.17KB
FedAvg-ST-GCN-ice/resource/info/clean_and_jerk_w.gif
2.18MB
FedAvg-ST-GCN-ice/resource/info/demo_video.gif
5.2MB
FedAvg-ST-GCN-ice/resource/info/hammer_throw_w.gif
1.13MB
FedAvg-ST-GCN-ice/resource/info/juggling_balls_w.gif
1.96MB
FedAvg-ST-GCN-ice/resource/info/pipeline.png
1.13MB
FedAvg-ST-GCN-ice/resource/info/pull_ups_w.gif
2.5MB
FedAvg-ST-GCN-ice/resource/info/tai_chi_w.gif
1.75MB
FedAvg-ST-GCN-ice/resource/kinetics-motion.txt
408B
FedAvg-ST-GCN-ice/resource/kinetics_skeleton/
-
FedAvg-ST-GCN-ice/resource/kinetics_skeleton/label_name.txt
5.82KB
FedAvg-ST-GCN-ice/resource/media/
-
FedAvg-ST-GCN-ice/resource/media/clean_and_jerk.mp4
211.71KB
FedAvg-ST-GCN-ice/resource/media/skateboarding.mp4
1.44MB
FedAvg-ST-GCN-ice/resource/media/ta_chi.mp4
133.78KB
FedAvg-ST-GCN-ice/resource/reference_model.txt
57B
FedAvg-ST-GCN-ice/resource/数据集组织结构.png
152.89KB
FedAvg-ST-GCN-ice/scratch.ipynb
622.17KB
FedAvg-ST-GCN-ice/server_log.txt
-
FedAvg-ST-GCN-ice/tmp.pt
11.9MB
FedAvg-ST-GCN-ice/tools.py
6.23KB

资源内容介绍

通信模型: NOTE:分成两个循环： 客户端 listen -> 接收模型 -> 训练一个epoch -> 发起通信 -> 上传模型 -> (重复)listen 服务器 发起通信 -> 下放模型 -> listen -> 接收模型 -> 聚合 ->(重复)发起通信
# fedavg + st_gcn### 运行方式：1. 创建一个虚拟环境，这里用的是python3.8，按照[GitHub - wanjinchang/st-gcn: Spatial Temporal Graph Convolutional Networks (ST-GCN) for Skeleton-Based Action Recognition in PyTorch](https://github.com/wanjinchang/st-gcn) 的requirements，配置st-gcn所需环境 ``` git clone https://github.com/yysijie/st-gcn.git cd st-gcn pip install -r requirements.txt ``` 接着自行配置torch和GPU2. 克隆本仓库代码： ``` git clone https://github.com/Duanice/FedAvg-ST-GCN.git ``` 数据集按照下图组织： ![数据集组织结构](resource/数据集组织结构.png)4. 联邦训练：对于Kinetics数据集需要重新配置Server和Client的参数，参考st-gcn源码config文件夹下的yaml文件修改即可。在fl_st目录运行： ``` python Server.py ```### 通信模型: NOTE:分成两个循环： 客户端 listen -> 接收模型 -> 训练一个epoch -> 发起通信 -> 上传模型 -> (重复)listen 服务器 发起通信 -> 下放模型 -> listen -> 接收模型 -> 聚合 -> (重复)发起通信

用户评论 (0)

发表评论

captcha

相关资源

聊天室、websocket、socket.io、毕业设计

功能 登陆注册 单聊 群聊 历史消息 图片发送 文件发送 代码片段发送 表情发送 白板协作 音视频聊天 消息已读提醒 好友分组 好友备注 好友上线提醒 在线用户头像高亮 添加好友 添加群聊 朋友圈功能 发表朋友圈 好友朋友圈 朋友圈动态点赞 朋友圈动态评论 朋友圈动态回复评论 日程设置

29.19MB21积分

C/C++ 中的 LLM 推理

描述主要目标llama.cpp是在各种硬件（本地和云端）上以最少的设置和最先进的性能实现 LLM 推理。纯 C/C++ 实现，无任何依赖项Apple 芯片是一流的——通过 ARM NEON、Accelerate 和 Metal 框架进行了优化AVX、AVX2 和 AVX512 支持 x86 架构1.5 位、2 位、3 位、4 位、5 位、6 位和 8 位整数量化，可加快推理速度并减少内存使用用于在 NVIDIA GPU 上运行 LLM 的自定义 CUDA 内核（通过 HIP 支持 AMD GPU）Vulkan 和 SYCL 后端支持CPU+GPU 混合推理，部分加速大于 VRAM 总容量的模型

18.45MB10积分

rxtx项目运行资源 x64 jar 包

rxtx项目运行资源 x64 jar 包

71.23MB17积分

这是一个简易的PS软件，使用VC6.0编写 数字图像处理实验编写的软件

这是一个简易的PS软件，使用VC6.0编写。数字图像处理实验编写的软件

2.89MB32积分