STGCN项目常见问题解决方案

1. 项目基础介绍和主要编程语言

STGCN（Spatio-Temporal Graph Convolutional Networks）是一个用于交通预测的深度学习框架。该项目是基于IJCAI 2018论文《Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting》的实现，主要利用图卷积神经网络来处理空间和时间数据，以预测交通流量。

项目的主要编程语言是Python，同时也使用了Docker来简化部署流程。

2. 新手在使用这个项目时需要特别注意的3个问题和解决步骤

问题一：项目依赖和环境配置

问题描述： 新手在运行项目时可能会遇到环境配置问题，比如缺少必要的依赖库。

解决步骤：

1. 确保安装了Python环境，推荐使用Anaconda进行环境管理。
2. 在项目根目录下，使用pip install -r requirements.txt命令安装所有依赖库。
3. 如果使用Docker，确保已经安装了Docker环境，并按照README中的步骤构建和运行Docker容器。

问题二：数据集的下载和解压

问题描述： 新手可能不知道如何获取和使用数据集。

解决步骤：

1. 从项目给出的数据集链接下载数据集。
2. 将下载的数据集文件放入项目目录下的datasets文件夹。
3. 使用tar -zxvf PeMSD7.tar.gz命令解压数据集（以PeMSD7为例）。

问题三：运行主程序或Docker容器

问题描述： 新手可能不清楚如何运行主程序或者如何使用Docker容器。

解决步骤：

1. 若直接运行主程序，确保数据集已经解压，然后在项目根目录下运行python main.py。
2. 若使用Docker，按照README中的步骤构建Docker容器，然后运行容器并执行主程序。具体步骤如下：
   • 构建Docker容器：cd docker && docker build -t stgcn/mxnet:1.4.1_gpu_cu100_mkl_py35
   • 运行Docker容器：cd .. && docker run -d -it --rm --runtime=nvidia -v $PWD:/mxnet --name stgcn stgcn/mxnet:1.4.1_gpu_cu100_mkl_py35 python3 main.py
   • 查看Docker容器日志：docker logs stgcn