本教程最后使用Autodl云平台跑代码，本地电脑上只是进行数据标注，建议直接新建多动物训练，比单动物的项目能干的事多，也能对单动物进行预测（个人使用感觉还是mmpose预测新视频和图片的正确率更高）
先安装Anaconda，然后去deeplabcut官网下载所有安装文件
https://github.com/DeepLabCut/DeepLabCut
然后再Anaconda中安装环境，选择Deeplabcut.yaml
打开ipython，输入
import deeplabcut
deeplabcut.launch_dlc()
选择新建数据并编辑身体部位，身体骨架，设置完成后点击ok
其中edit config fig中设置身体部位，身体骨架
！！！！骨架一次只能设置两个节点，如下图所示，不然到时候代码输出draw_skeleton=True会报错，加上这个代码后边就不用手动绘制骨架（终于解决了问题）
到第二个界面，开始自动选取视频画面作为标记图片，直接用默认参数即可，等待ipython界面提示完成
点击label Frames，在点击load frames开始标注，鼠标右键创建点，左键移动，中间删除点，（在图片上看不见的点不需要标出）全部标注完后，点击save
选择创建dataset选项卡，建立数据集，此时会生成一个训练的配置文件yaml，在dlc-model里,在开始训练前修改里边的参数，才能修改训练的参数（batchsize啥的）
设置训练参数，点击ok，机会开始训练，同时gui界面会有相关参数
将整个文件夹上传阿里云，在平台上点击AutoPanel通过阿里云盘将文件下载到服务器
打开Jupyterlab，按照下面文档顺序即可开始训练也可以按照官方的hub训练
https://github.com/DeepLabCut/DeepLabCut/tree/master/examples
官方有提供谷歌免费平台（需要科学上网）上的代码
函数的相关参数可以参考这份文档
https://github.com/DeepLabCut/DeepLabCut/blob/master/docs/standardDeepLabCut_UserGuide.md
在平台上，.yaml的路径一定要定位对，平台上要在复制路径的基础上加上‘/root/’
#安装库
pip install deeplabcut
import deeplabcut
deeplabcut.__version__
#设置路径视频路径
ProjectFolderName = '文件夹名'
VideoType = 'mp4'
#记得加上平台的‘/root/’
videofile_path = ['/content/drive/My Drive/'+ProjectFolderName+'/videos/'] #Enter the list of videos or folder to analyze.
videofile_path
#设置配置路径
path_config_file = '/content/drive/My Drive/'+ProjectFolderName+'/config.yaml'
path_config_file
#创建训练数据集
deeplabcut.create_training_dataset(path_config_file, net_type='resnet_50', augmenter_type='imgaug')
#开始训练，具体参数看文档
deeplabcut.train_network(path_config_file, shuffle=1, displayiters=10,saveiters=500)
#评估模型
%matplotlib notebook
deeplabcut.evaluate_network(path_config_file,plotting=True)
#分析视频
deeplabcut.analyze_videos(path_config_file,videofile_path, videotype=VideoType)
#绘制视频轨迹
deeplabcut.plot_trajectories(path_config_file,videofile_path, videotype=VideoType)
#生成视频
deeplabcut.create_labeled_video(path_config_file,videofile_path, videotype=VideoType)
随后就可以把整个文件夹上传到阿里云再在下载本地
训练完成后，把所有文件下载到本地，用gui加载项目
跳过训练直接评估模型
分析视频
输出视频
