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
行业探路者13 小时前
如何利用二维码提升富媒体展示的效果?
大数据·人工智能·学习·产品运营·软件工程
爱打代码的小林13 小时前
opencv(边缘检测)
人工智能·opencv·计算机视觉
lizhenning8713 小时前
语言模型与动词知识库协同创新
人工智能·语言模型·自然语言处理
明月照山海-13 小时前
机器学习周报三十一
人工智能·机器学习
木头程序员13 小时前
算摄像学的“算法-传感器”协同设计:重新定义光学极限
人工智能·数码相机·硬件工程
Aaron_94513 小时前
Skyvern:基于LLM和计算机视觉的浏览器自动化平台深度解析
人工智能·计算机视觉·自动化
丝斯201113 小时前
AI学习笔记整理(52)——大模型之Agent 智能体
人工智能·笔记·学习
. . . . .13 小时前
AI应用总览
人工智能
袁气满满~_~13 小时前
机器学习笔记
人工智能·深度学习·机器学习
kingmax5421200813 小时前
工信部教育与考试中心AI证书归纳
人工智能·ai证书·以考促学