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
Canace15 分钟前
最新版 Codex 工作流的问题
前端·人工智能·agent
月华路16 分钟前
《模型不玄学》第20章 两种评估视角
人工智能·算法·机器学习
AI棒棒牛23 分钟前
YOLO26最新创新改进系列:融合 MVIGGraphFusionBlock,构建互视信息图注意力 Neck,嘎嘎创新!
人工智能·计算机视觉·yolo26
底层信号24 分钟前
沙箱管得住 Agent 的手,管不住它的目标 —— 从 OpenAI 7 月逃逸事件看 Agent 安全的真正瓶颈
人工智能·安全
桃西西呀26 分钟前
同一个模型 30% 到 100%?拆解 Harness 工程的 5 个机制,附 8 个坑的自检清单
人工智能·llm·ai编程
undsky26 分钟前
连买域名的钱都省了!将 ClawEmail 打造成临时邮箱
人工智能
AI视觉网奇32 分钟前
3d拆件 SegviGen 部署踩坑笔记
人工智能
吴佳浩33 分钟前
为什么现在越来越多的开源模型,都“毕业“于 Qwen?
人工智能·llm·ai编程
xxwl58544 分钟前
高斯消元法异或版
人工智能·算法·机器学习
嘿嘿-661 小时前
gpt-6-astra测试,测试你的模型有没有降智
人工智能·gpt·chatgpt·web