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

# 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：  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