怎么运行EAN Event Adaptive Network for Enhanced Action Recognition这篇论文

要运行EAN: Event Adaptive Network for Enhanced Action Recognition这篇论文，你需要进行以下步骤：

1. 下载代码：你可以在作者的GitHub仓库（https://github.com/yzheng624/EAN）中找到代码并下载。

2. 安装依赖项：在运行代码之前，请确保已安装以下依赖项：Python 3.6、PyTorch 0.4.1、NumPy、SciPy、OpenCV、sklearn、tqdm和Pillow。

3. 准备数据集：下载和准备数据集。作者在此论文中使用了JHMDB-21和UCF-101数据集，你可以从官方网站上下载这些数据集。

4. 训练模型：运行主程序“main.py”以开始训练模型。你需要指定数据集路径和模型参数等。你可以使用以下命令行参数：

--dataset_path：指定数据集路径 --num_classes：指定分类数 --num_segments：指定每个视频的分段数 --modality：指定使用的模态（RGB或光流） --arch：指定使用的模型架构 --dropout：指定dropout值 --batch_size：指定批量大小 --num_workers：指定使用的工作线程数 --lr：指定学习率 --lr_decay_step：指定学习率下降步数 --weight_decay：指定权重衰减 --resume_path：指定模型恢复的路径 --evaluate：指定是否仅评估模型 --no_cuda：指定是否在GPU上运行

5. 测试模型：运行“test.py”以测试模型。你需要指定数据集路径和模型路径等。你可以使用以下命令行参数：

--dataset_path：指定数据集路径 --num_classes：指定分类数 --num_segments：指定每个视频的分段数 --modality：指定使用的模态（RGB或光流） --arch：指定使用的模型架构 --dropout：指定dropout值 --batch_size：指定批量大小 --num_workers：指定使用的工作线程数 --resume_path：指定模型恢复的路径 --no_cuda：指定是否在GPU上运行

以上是运行EAN: Event Adaptive Network for Enhanced Action Recognition这篇论文的一般流程。具体操作可能会有所不同，具体请参考代码和论文的细节