基于视频的连续帧动作识别算法复现踩坑记录
训练过程
本人近期尝试进行动作识别算法，由于YOLOV5等算法都是针对图片进行训练的，无法针对一系列的动作进行识别，因此查阅相关资料发现STN算法，因此对此算法进行了训练和测试。由于本人的电脑自身问题，并且为了节约时间，采用极链AI云算力平台进行训练和测试。主要参考：见博客01【C3D 行为识别】项目下载 环境配置 数据集转化视频帧 UCF101数据集处理
前期准备工作
1.首先需要登录极链AI云，未使用过的小伙伴们需要进行注册。注册后需要点击我的实例，创建实例，会出现如下界面：
由于算力平台相当于租用他人的机器，是需要付费的，我们只需要选择最便宜的就可以了。
接下来需要对镜像环境进行选择，如下图：
血的教训，这个模型如果不对，相当于环境错误，在训练过程中会出现报错。
接下来点击下一步就可以了。
实例创建成功后，点击Jupyter Lab。
之后再点击左上角蓝色的加号，在右侧出现的页面中点击Terminal，基本操作就完成了，接下来就是训练啦！！！
2.构建训练环境
首先进入到Terminal后，需要下载mmcv-full、mmpycocotools、moviepy、mmaction2等。
第一步，进入到home目录下，
cd home
第二步，下载mmcv-full，
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu102/torch1.6.0/index.html
这里面，需要注意的地方是cu102和torch1.6.0都需要根据在镜像环境中设置的pytorch、cuda版本进行设置，由于我用的pytorch为1.6.0，cuda为10.2，因此代码如上。例如你所使用pytorch版本为1.8.0，cuda版本为11.1，那么此处你的下载链接如下：
pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu111/torch1.8.0/index.html
第三步，依次下载mmpycocotools、moviepy的命令如下：
pip install mmpycocotools
pip install moviepy opencv-python terminaltables seaborn decord -i https://pypi.douban.com/simple
其中，https://pypi.douban.com/simple为豆瓣镜像源，可以帮助加快下载速度。
第四步，下载mmaction2，mmaction2是我们用来对数据集进行处理、训练和测试的工具。
git clone https://gitee.com/YFwinston/mmaction2.git
cd mmaction2
python setup.py develop
以上三步依次执行就可以了。
UCF101数据集的处理
一、数据集的下载与上传
UCF101数据集的下载链接：UCF101
https://www.crcv.ucf.edu/datasets/human-actions/ucf101/UCF101.rar
小伙伴们可以根据需要进行下载，有人推荐将链接复制到迅雷进行下载，但是本人亲测用迅雷速度也很慢，毕竟数据集6个G多，大家自己选择下载方式吧。
另外，数据集一定要下载为扩展名rar格式的，本人亲测，下载为zip格式后，数据集无法使用。
将数据集下载完成后，就是更耗时的操作了！！！数据集无需解压缩，直接上传到云端。上传方式官方给了三个，本人推荐第一个和第三个，大家选择其中一种就可以了。
如果网速稳定的话且电脑可以长期开机的话，本人推荐第三个页面上传；如果环境不确定的话，可以用第一个命令传输进行上传，就是稍微会麻烦一点，但是官方给了详细文档介绍，大家可以参考一下数据上传方法详细介绍。两种方法我都用过了，在上传速度上我觉得差不太多，但是使用命令传输可能会稍微多设置几步。
- 使用命令传输的上传方法：
1）点击下载命令传输，大家可以根据电脑是windows还是macOS，是64位还是32位进行下载。
2）下载完成后，点击安装，一直到安装完成就可以了。
然后在下载完成的页面中点击setting，
然后在User栏点击Login，将注册极链AI云的手机号和密码输入进去，点击confirm就可以了。
然后，在Region栏根据选择实例类型是的所在区域进行选择就可以了。
最后，点击右下角的应用，就可以返回到最开始点开时显示的home界面，点击Upload，选择下载到本地的UCF101数据集进行上传。 - 页面上传
页面上传就非常简单明了,点击上传文件，选择要上传的文件，点击上传就可以啦！下面是数据正在上传的图片。
二、UCF数据集处理
在我的实例中，进入user-data目录下，上传后的数据一般都放在user_data目录下的。
cd
cd ..
cd user-data
接下来对上传的UCF101.rar压缩包进行解压。解压的代码如下：
unrar x UCF101.rar
在解压过程中，一般会由于没有安装unrar包，导致报错。参考linux rar，unrar命令安装，此时，可以对下列语句逐一执行：
wget https://www.rarlab.com/rar/rarlinux-x64-5.5.0.tar.gz
tar -zxvf rarlinux-x64-5.5.0.tar.gz
cd rar
make install
mkdir -p /usr/local/bin
mkdir -p /usr/local/lib
cp rar unrar /usr/local/bin
cp rarfiles.lst /etc
cp default.sfx /usr/local/lib
然后，重新运行解压缩的代码：
unrar x UCF101.rar
解压后的文件内容如下图：
然后在user-data目录下创建一个名为ucf101的文件夹，将解压缩后的UCF-101移入该文件夹中，再在ucf101夹中创建videos文件夹。
然后,进入user-data/ucf101目录下，运行：
cd
cd ..
cd user-data/ucf101
mv ./UCF-101 ./videos
下载标注文件：
在当前目录下，创建 annotations 文件夹，然后进入annotations
cd annotations
wget https://www.crcv.ucf.edu/wp-content/uploads/2019/03/UCF101TrainTestSplits-RecognitionTask.zip --no-check-certificate
对下载的 UCF101TrainTestSplits-RecognitionTask.zip 进行解压缩：
unzip UCF101TrainTestSplits-RecognitionTask.zip