#这个是由北京交通大学共享的内容，本人自己进行部署

STSGCN

AAAI 2020. Spatial-Temporal Synchronous Graph Convolutional Networks: A New Framework for Spatial-Temporal Network Data Forecasting

url: paper/AAAI2020-STSGCN.pdf

Usage

本人在虚拟机上面驱动安装没有成功，不知道是否虚拟机上面不支持，希望有大佬能够给虚拟上面Linux安装驱动的教程

Docker is recommended.

安装docker

*参照官网安装

https://docs.docker.com/engine/install/centos/

1.卸载之前的版本

      yum remove docker \
      docker-client \
      docker-client-latest \
      docker-common \
      docker-latest \
      docker-latest-logrotate \
      docker-logrotate \
      docker-engine

注意这里有的人会报错，是因为python版本问题，可以卸载python3 2.安装需要的yum

yum install -y yum-utils

3.安装一下使用国内镜像

yum-config-manager --add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo

4.安装docker镜像，中间需要点几下 y

yum install docker-ce docker-ce-cli containerd.io

安装nvidia-docker，首先需要安装nvdia驱动

步骤一

yum install kernel-devel gcc -y

步骤二，保证两个版本一样

ls /boot | grep vmlinu
rpm -aq | grep kernel-devel

步骤三，屏蔽系统自带的nouveau

lsmod | grep nouveau

如果什么都没有就直接跳过步骤三，如果有内容需要执行下面内容

修改dist-blacklist.conf文件

vim /lib/modprobe.d/dist-blacklist.conf

将nvidiafb注释掉: #blacklist nvidiafb 然后添加以下语句： blacklist nouveau options nouveau modeset=0

步骤四：重建initramfs image

mv /boot/initramfs-$(uname -r).img /boot/initramfs-$(uname -r).img.bak
dracut /boot/initramfs-$(uname -r).img $(uname -r)

步骤五：修改运行级别为文本模式

systemctl set-default multi-user.target

步骤六：重启

reboot

步骤七：需要到官网上面下载驱动 https://www.nvidia.cn/Download/index.aspx?lang=cn

步骤八：给安装包权限

chmod +x NVIDIA-Linux-x86_64-470.94.run

步骤九：执行安装包

./NVIDIA-Linux-x86_64-470.94.run

如果这里面报错，执行的时候需要添加--kernel-source-path

如果报此错：unable to load the kernel module 'nvidia.ko' .........

执行：./NVIDIA-XXXX.run --kernel-source-path=/usr/src/kernels/内核号  -k $(uname -r)

如果报此错： WARNING: You do not appear to have an NVIDIA GPU supported by the 430.34 NVIDIA Linux graph

加上：--add-this-kernel 参数

如果报此错： unable to find the kernel source tree for the currently running kernel.........

加上：--kernel-source-path=/usr/src/kernels/内核号(2+Tab键  自动出现)

./NVIDIA-Linux-x86_64-440.64.run --kernel-source-path=/usr/src/kernels/3.10.0-1062.18.1.el7.x86_64 -k $(uname -r)

1. install docker（上面安装docker已经完成）
2. install nvidia-docker
3. build image using cd docker && docker build -t stsgcn/mxnet_1.41_cu100 .
4. download the data STSGCN_data.tar.gz with code: p72z
5. uncompress data file using tar -zxvf data.tar.gz
6. modify the term ctx in config/PEMS03/individual_GLU_mask_emb.json to match your GPU devices
7. run code using docker run -ti --rm --runtime=nvidia -v $PWD:/mxnet stsgcn/mxnet_1.41_cu100 python3 main.py --config config/PEMS03/individual_GLU_mask_emb.json

If you are using Microsoft OpenPAI, modify the configurations saved in the folder pai_jobs to train STSGCNs on your clusters.

repo structure

name	description
config	configurations of STSGCN
docker	dockerfile
models	core of STSGCN
pai_job	Microsoft OpenPAI configurations
paper	paper of STSGCN
test	pytest files
load_params.py	read parameters from local files
main.py	code of training STSGCN
pytest.ini	pytest configurations
requirements.txt	python packages requirements
utils.py	tools