首页下载资源数据库一个联邦平均框架，并基于ST-GCN模型进行实验，在Kinetics和NTU60数据集上验证

ZIP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

2301_8048821430.2MB需要积分:1

资源文件列表:

FedAvg-ST-GCN-ice.zip 大约有80个文件
  1. FedAvg-ST-GCN-ice/
  2. FedAvg-ST-GCN-ice/Client.py 5.34KB
  3. FedAvg-ST-GCN-ice/Feeder.py 2.34KB
  4. FedAvg-ST-GCN-ice/Net_utils.py 11.03KB
  5. FedAvg-ST-GCN-ice/Readme.md 1.14KB
  6. FedAvg-ST-GCN-ice/Server.py 3.88KB
  7. FedAvg-ST-GCN-ice/__pycache__/
  8. FedAvg-ST-GCN-ice/__pycache__/Client.cpython-38.pyc 4.76KB
  9. FedAvg-ST-GCN-ice/__pycache__/Client.cpython-39.pyc 4.76KB
  10. FedAvg-ST-GCN-ice/__pycache__/Feeder.cpython-38.pyc 2.03KB
  11. FedAvg-ST-GCN-ice/__pycache__/Feeder.cpython-39.pyc 2.11KB
  12. FedAvg-ST-GCN-ice/__pycache__/Net_utils.cpython-38.pyc 7.54KB
  13. FedAvg-ST-GCN-ice/__pycache__/Net_utils.cpython-39.pyc 7.76KB
  14. FedAvg-ST-GCN-ice/__pycache__/tools.cpython-38.pyc 5.35KB
  15. FedAvg-ST-GCN-ice/__pycache__/tools.cpython-39.pyc 5.36KB
  16. FedAvg-ST-GCN-ice/client_log.txt
  17. FedAvg-ST-GCN-ice/feeder_kinetics.py 5.68KB
  18. FedAvg-ST-GCN-ice/main.py 137B
  19. FedAvg-ST-GCN-ice/net/
  20. FedAvg-ST-GCN-ice/net/__init__.py 20B
  21. FedAvg-ST-GCN-ice/net/__pycache__/
  22. FedAvg-ST-GCN-ice/net/__pycache__/__init__.cpython-312.pyc 185B
  23. FedAvg-ST-GCN-ice/net/__pycache__/__init__.cpython-38.pyc 145B
  24. FedAvg-ST-GCN-ice/net/__pycache__/__init__.cpython-39.pyc 203B
  25. FedAvg-ST-GCN-ice/net/__pycache__/st_gcn.cpython-312.pyc 9.64KB
  26. FedAvg-ST-GCN-ice/net/__pycache__/st_gcn.cpython-38.pyc 6.11KB
  27. FedAvg-ST-GCN-ice/net/__pycache__/st_gcn.cpython-39.pyc 6.18KB
  28. FedAvg-ST-GCN-ice/net/st_gcn.py 6.74KB
  29. FedAvg-ST-GCN-ice/net/st_gcn_twostream.py 789B
  30. FedAvg-ST-GCN-ice/net/utils/
  31. FedAvg-ST-GCN-ice/net/utils/__init__.py
  32. FedAvg-ST-GCN-ice/net/utils/__pycache__/
  33. FedAvg-ST-GCN-ice/net/utils/__pycache__/__init__.cpython-312.pyc 158B
  34. FedAvg-ST-GCN-ice/net/utils/__pycache__/__init__.cpython-38.pyc 121B
  35. FedAvg-ST-GCN-ice/net/utils/__pycache__/__init__.cpython-39.pyc 179B
  36. FedAvg-ST-GCN-ice/net/utils/__pycache__/graph.cpython-312.pyc 8.21KB
  37. FedAvg-ST-GCN-ice/net/utils/__pycache__/graph.cpython-38.pyc 5.46KB
  38. FedAvg-ST-GCN-ice/net/utils/__pycache__/graph.cpython-39.pyc 5.39KB
  39. FedAvg-ST-GCN-ice/net/utils/__pycache__/tgcn.cpython-312.pyc 3.03KB
  40. FedAvg-ST-GCN-ice/net/utils/__pycache__/tgcn.cpython-38.pyc 2.47KB
  41. FedAvg-ST-GCN-ice/net/utils/__pycache__/tgcn.cpython-39.pyc 2.51KB
  42. FedAvg-ST-GCN-ice/net/utils/graph.py 6.28KB
  43. FedAvg-ST-GCN-ice/net/utils/tgcn.py 2.34KB
  44. FedAvg-ST-GCN-ice/ntu_process/
  45. FedAvg-ST-GCN-ice/ntu_process/ntu_gendata.py 3.58KB
  46. FedAvg-ST-GCN-ice/ntu_process/ntu_read_skeleton.py 2.13KB
  47. FedAvg-ST-GCN-ice/resource/
  48. FedAvg-ST-GCN-ice/resource/NTU-RGB-D/
  49. FedAvg-ST-GCN-ice/resource/NTU-RGB-D/samples_with_missing_skeletons.txt 6.19KB
  50. FedAvg-ST-GCN-ice/resource/demo_asset/
  51. FedAvg-ST-GCN-ice/resource/demo_asset/attention+prediction.png 7.57KB
  52. FedAvg-ST-GCN-ice/resource/demo_asset/attention+rgb.png 6.05KB
  53. FedAvg-ST-GCN-ice/resource/demo_asset/original_video.png 5.88KB
  54. FedAvg-ST-GCN-ice/resource/demo_asset/pose_estimation.png 6.42KB
  55. FedAvg-ST-GCN-ice/resource/info/
  56. FedAvg-ST-GCN-ice/resource/info/S001C001P001R001A044_w.gif 354.64KB
  57. FedAvg-ST-GCN-ice/resource/info/S001C001P001R001A051_w.gif 407.52KB
  58. FedAvg-ST-GCN-ice/resource/info/S002C001P010R001A017_w.gif 672.5KB
  59. FedAvg-ST-GCN-ice/resource/info/S003C001P008R001A002_w.gif 504.01KB
  60. FedAvg-ST-GCN-ice/resource/info/S003C001P008R001A008_w.gif 436.17KB
  61. FedAvg-ST-GCN-ice/resource/info/clean_and_jerk_w.gif 2.18MB
  62. FedAvg-ST-GCN-ice/resource/info/demo_video.gif 5.2MB
  63. FedAvg-ST-GCN-ice/resource/info/hammer_throw_w.gif 1.13MB
  64. FedAvg-ST-GCN-ice/resource/info/juggling_balls_w.gif 1.96MB
  65. FedAvg-ST-GCN-ice/resource/info/pipeline.png 1.13MB
  66. FedAvg-ST-GCN-ice/resource/info/pull_ups_w.gif 2.5MB
  67. FedAvg-ST-GCN-ice/resource/info/tai_chi_w.gif 1.75MB
  68. FedAvg-ST-GCN-ice/resource/kinetics-motion.txt 408B
  69. FedAvg-ST-GCN-ice/resource/kinetics_skeleton/
  70. FedAvg-ST-GCN-ice/resource/kinetics_skeleton/label_name.txt 5.82KB
  71. FedAvg-ST-GCN-ice/resource/media/
  72. FedAvg-ST-GCN-ice/resource/media/clean_and_jerk.mp4 211.71KB
  73. FedAvg-ST-GCN-ice/resource/media/skateboarding.mp4 1.44MB
  74. FedAvg-ST-GCN-ice/resource/media/ta_chi.mp4 133.78KB
  75. FedAvg-ST-GCN-ice/resource/reference_model.txt 57B
  76. FedAvg-ST-GCN-ice/resource/数据集组织结构.png 152.89KB
  77. FedAvg-ST-GCN-ice/scratch.ipynb 622.17KB
  78. FedAvg-ST-GCN-ice/server_log.txt
  79. FedAvg-ST-GCN-ice/tmp.pt 11.9MB
  80. FedAvg-ST-GCN-ice/tools.py 6.23KB

资源介绍:

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GPU 2. 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
100+评论
captcha

    相关资源

    1. 聊天室、websocket、socket.io、毕业设计

      2301_80488214#网络技术ZIP29.19MB7月前
      资源摘要: 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

    2. C/C++ 中的 LLM 推理

      2301_80488214#后端ZIP18.45MB7月前
      资源摘要: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

    3. rxtx项目运行资源 x64 jar 包

      ling_zhi_xin#物联网ZIP71.23MB7月前
      资源摘要:rxtx项目运行资源 x64 jar 包

    4. 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

      2301_80488214#网络技术ZIP2.89MB7月前
      资源摘要: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

    5. Lsky Pro 是一个用于在线上传、管理图片的图床程序

      2401_86632118#前端ZIP21.82MB7月前
      资源摘要:源码下载地址：00818.cnLsky Pro 是一个用于在线上传、管理图片的图床程序，中文名：兰空图床，你可以将它作为自己的云上相册，亦可以当作你的写作贴图库。该程序的最初版本诞生于2017年10月，由ThinkPHP 5框架精心打造而成。在历经数次迭代升级之后，终于在2022年3月迎来了全新的2.0版本。Lsky Pro具备广泛的存储支持能力，不仅包括本地存储，还涵盖了多种第三方云存储服务，如AWS S3、阿里云OSS、腾讯云COS、七牛云、又拍云、SFTP、FTP、WebDav以及Minio等。

    6. Aristosoft more Windows

      m0_70483194#操作系统ZIP295.8KB7月前
      资源摘要:More Windows 是一款视频驱动程序，可为您提供大的可滚动功能 现有 VGA 或 EGA 系统上的虚拟桌面。它提供了几个 虚拟桌面大小，包括纵向和横向 - 可能是 对于不同类型的任务更可取。它还提供一份“论文 白色“单色模式，使用较少的内存并具有”鸟” 眼睛“视图。其他视频模式将消耗额外的扩展内存。这是搬运过来的，国外的网站下载太慢了

    7. spring-test

      qq_40927742#后端ZIP277.18KB7月前
      资源摘要:spring-test

    8. wordpress 6.6.1 中文版

      mc_dudu233#后端ZIP27.61MB7月前
      资源摘要:WordPress 6.6.1 中文版是一款功能强大且易于使用的内容管理系统，专为中文用户优化。此版本提供了最新的安全更新和功能改进，确保用户能以最高效、安全的方式管理和发布内容。WordPress 6.6.1 中文版继承了其灵活性和强大的扩展功能，支持多种主题和插件，让用户可以轻松创建个人博客、企业网站、电商平台等各种类型的网站。其直观的中文界面和丰富的文档资源，使得无论是初学者还是专业开发者，都能快速上手并充分利用其强大功能。该版本还优化了搜索引擎优化（SEO）功能，帮助网站更好地在搜索引擎中排名。通过 WordPress 6.6.1 中文版，用户可以享受到一个更流畅、更高效的建站体验，同时确保网站内容的质量和安全性。
    站长QQ:九六九五七三七