深度学习-MTR数据准备与训练

1、def create_infos_from_protos(raw_data_path, output_path, num_workers=1):

num_workers从16改成1

2、MTR的数据准备用的是scenario里的数据,不是tf_example里的

3、数据用motion1.1

4、motion数据格式:https://zhuanlan.zhihu.com/p/419147352
https://blog.csdn.net/weixin_50232758/article/details/132260047

一个tfrecord中包含大概500个scenario,scenario是一帧数据

5、由于tensorflow与torch中的typing-extensions 版本无法统一,所以数据集准备与训练分别建立两个虚拟环境进行

构建数据集准备的虚拟环境:

python 复制代码
conda create --name waymo_data_preparation python=3.8
pip install waymo-open-dataset-tf-2-12-0==1.6.4

MTR训练验证环境构建:

相关推荐
guygg881 分钟前
经典信道估计MATLAB实现(含LSMMSE算法)
深度学习·算法·matlab
易晨 微盛·企微管家5 分钟前
2026连锁品牌SCRM系统最新排名:企业微信生态下微盛·企微管家领跑
人工智能·企业微信
新知图书17 分钟前
FastGPT工作流的节点
人工智能·fastgpt·ai agent·智能体·大模型应用开发
乾元18 分钟前
网络切片的自动化配置与 SLA 保证——5G / 专网场景中,从“逻辑隔离”到“可验证承诺”的工程实现
运维·开发语言·网络·人工智能·网络协议·重构
小程故事多_8020 分钟前
RCAgent,基于LLM自主智能体的云平台根因分析实践与探索
人工智能·aigc
CHrisFC21 分钟前
中小型第三方环境检测实验室的数字化破局之选——江苏硕晟LIMS
大数据·运维·人工智能
2503_9469718625 分钟前
【AGI/Multi-Agent】2026年度AGI情感对齐与多智能体协同渗透基准索引 (Benchmark Index)
人工智能·网络安全·数据集·计算机图形学·多智能体
zzhongcy29 分钟前
Trae、Cursor、Copilot、Windsurf对比
人工智能·copilot
小北方城市网42 分钟前
GEO 智变新篇:质效双升 + 责任共生,打造 AI 时代本地商业长效增长引擎
大数据·人工智能·python·数据库架构
qq19257230271 小时前
opencv
人工智能·opencv·计算机视觉