论文在stgcn与sta-lstm基础上做的。下面讲一下里面的方法：

1.准备工作

符号。这里是对符号进行解释。

一个人体骨骼图被记为G=(v,E)

图卷积：

图卷积定义
考虑一种常用于处理图像的标准卷积神经网络 (CNN)。输入是像素网格。每个像素都有一个数据值向量，例如红色、绿色和蓝色通道。数据通过一系列卷积层。每层结合来自像素及其相邻像素的数据，为该像素生成新的数据向量。前面的卷积层检测小规模的局部模式，而后面的卷积层检测更大、更抽象的模式。通常，卷积层与池化层交替出现，池化层在局部区域执行一些操作，例如最大值或最小值。

图卷积是一种基于图结构的卷积操作。与传统的卷积操作不同，图卷积的输入是一个图形，包含节点和边，而不是一个二维或三维的张量。图卷积的目的是通过学习节点之间的关系来进行特征提取和分类等任务。

图卷积原理
图卷积的原理可以概括为以下几个步骤：

聚合：对于每个节点，将其邻近节点的特征进行聚合，可以使用均值、最大值、加权和等方式来计算邻近节点的特征。

更新：根据聚合后的邻居节点特征以及当前节点自身的特征，更新当前节点的特征表示。

激活：对更新后的节点特征进行激活函数操作，例如ReLU函数等。

代码解读：

def __init__(self, arg):
#函数 __init__用来录入参数 放在self里面self.arg = argself.save_arg()