说明：

Github项目链接

https://github.com/RainNight11/UAV_Competetion

环境要求：

项目根目录的environment.yml文件，表示在该比赛项目中所使用的conda环境配置

训练日志

我们将训练日志与相应的权重文件放置在log_and_weights下

数据位置

训练集的数据在data文件夹目录下，测试集的数据在data_test文件夹下，data和data_test的文件都需要通过data_process.ipynb获得（对于训练数据和测试集需要修改gen_modal的一些内容）

运行方法

运行main函数即可，修改config参数，分别对应config与config_mixformer文件夹内的不同train、test的yaml文件，最后得到不同的pred文件（文件列于下面，可使用网盘给定的权重进行检查） 注意：对于ctr_loss，需要运行main_loss.py，因为对model与main函数有修改
对于strn模型由于论文仍在投暂时无法开源，除该模型外其余均可对照日志与对应权重完全复现！

最优权重搜索

对于这里的ensemble.py使用验证集生成的置信度。
对于权重搜索，我们在高斯过程最小化操作得基础上，另外使用遗传算法进行最优权重的搜索，并且采用二次集成的创新方式（见算法创新说明书），最终集成日志于log_and_weights中
注意：我们在使用遗传算法时发现每次得到结果都不同，每次结果容易陷入局部最优解，再集成可以缓解陷入局部最优解对于性能的影响。具有一定不稳定性，也正是我们的创新思路，故给出最优权重

关于不同的GCN不同模态的pred.npy文件

将其放置在pred_npy_file下面，可以直接使用复核，也可以运行config的测试文件进行生成。

权重

https://drive.google.com/file/d/1GruB3k0Gppt73Mz4PiRPH3b2OvWWhWXA/view?usp=sharing