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
枫叶丹42 分钟前
知识库为什么搜不到答案:多向量检索与 Late Interaction
人工智能·chatgpt·开源·agent·codex
天府云创2 分钟前
SRE之DeepSeek 10月15日故障分析、旁推和思考
网络·数据库·人工智能·故障处理·deepseek·api恢复
青桔柚子4 分钟前
2026企业AI办公工具选型指南:如何匹配组织的智能任务需求
人工智能
johnsong6 分钟前
AI会自保吗?
人工智能
Yan-英杰8 分钟前
【论文精读】MSD-ResNet50:多尺度动态卷积 + CBAM,如何把梅花鹿个体识别准确率从 74.2% 提升到 88.7%?
人工智能·卷积神经网络·机器视觉
水如烟8 分钟前
孤能子视角:EIS术语梳理法层与AI构建社会结构模型
人工智能
老唐77710 分钟前
Transformer原理大白话讲解
人工智能·python·深度学习·神经网络·计算机视觉·ai·transformer
组工部管理能手李哥11 分钟前
政务公文智能写作:内网大模型落地实践与落地难点
人工智能·ai写作·政务
金融小师妹11 分钟前
事件驱动分析模型:9月PPI超预期与美联储利率预期对黄金价格的影响
人工智能·云计算·线性回归·pyqt