论文：Towards Good Practices for Very Deep Two-Stream ConvNets
论文原代码：https://github.com/bryanyzhu/two-stream-pytorch
原代码环境：Ubuntu 16.04, Python: 3.5, CUDA: 8.0, OpenCV3, dense_flow（其中OpenCV3指的是C++版的，dense_flow用于提取视频光流信息以及对视频分帧）
视频数据库以及下载地址：UCF-101, http://crcv.ucf.edu/data/UCF101.php
一、视频分帧和提取光流
这一步中最重要的是使用dense_flow来分帧以及提取光流。
原代码中的dense_flow是基于OpenCV3的，由于OpenCV3中不包含某些需要的文件，所以需要下载附加模块opencv_contrib(这一步的环境配置对我来说有点复杂，一直配不好导致dense_flow无法正常的使用。然后我注意到括号中的话，使用opencv-2.4.13可以无需下载opencv_contrib，但是后续有可能会出错，由于dense_flow主要是来提取光流信息，所以我想在windows环境下搭建opencv-2.4.13来使用dense_flow提取数据，然后将数据转到ubuntu下训练，虽然这个方法比较笨拙，但是总算成功的提取了光流和帧数据）：
在windows下使用dense_flow可以参考博客：http://www.bubuko.com/infodetail-1727891.html
使用dense_flow时遇到的几个问题：
1.warning: Error opening file(../../module/highgui...hpp:545)
could not initialize capturing
这是因为视频路径不对，检查传入的视频路径是否准确。
2.程序可以运行但是没有图片
这有可能是因为要存放图片的文件夹事先没有创建，也有可能是存放图片的路径不准确。有时候路径就是一些微小细节，比如前面的斜杠号的方向和有无。为了避免这种路径细节错误，我一般会使用绝对路径。
在能使用dense_flow之后，对UCF-101中的数据进行批量处理，CPU上处理整个数据库可能需要很长很长的时间：
一些命令参数需要看具体代码，主要还是路径的问题。
二、训练网络
原论文研究的是卷积双流网络，双流表示空间流和时间流，分别由两个独立的网络训练，然后进行融合。因此在训练时，要单独训练空间流（输入的是单帧的RGB图片）和时间流（输入的是连续的光流图）。
在这里出现了一个问题让我解决了很久，后来发现这个问题真的很弱鸡，之前忘记截图了，具体报错是could not load the file /文件路径/。后来设置断点调试了之后，发现我之前用dense_flow提取的图片命名是四位的，比如：img_0112.jpg，而代码中搜索的路径是武威，比如：img_00112.jpg。
所以在直接跑原论文代码时，一定一定要注意路径问题。
三、测试
因为一开始看完论文就直接跑代码了，具体代码实现细节还没有认真研究过，测试部分后续研究完代码再进行补充。