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
人生百态,人生如梦4 小时前
情感交互仿生人从技术到落地构想1——技术交流贴(2026.7)
人工智能·机器人·人机交互·交互
skywalk81634 小时前
TRAE AI 创造力大赛 - 趣赢分析器
人工智能·trae
广凌股份(广凌科技)4 小时前
广凌基建管理一体化解决方案:从立项报建到验收归档的全周期闭环管控
大数据·人工智能
延凡科技4 小时前
数字孪生全域智慧园区综合可视化运营平台|延凡科技智园视界解决方案
数据库·人工智能·物联网·数据可视化
SelectDB技术团队4 小时前
大规模集群治理:Apache Doris / SelectDB 的 CCR 无感升级、Colocate Join 与 Bitmap 精确去重
大数据·数据库·人工智能·agent·olap·selectdb·集群治理
GeekArch4 小时前
第5讲:嵌入式场景二范式决策树:什么情况快写、什么情况严写
人工智能·stm32·单片机·mcu·物联网·决策树·机器学习
MobotStone4 小时前
AI写的代码看着全对、逻辑也自洽,为什么就是“不是我们想要的”?
人工智能
火山引擎开发者社区4 小时前
Agent 时代的 Serverless 入口:veFaaS CLI 实战
人工智能
aneasystone本尊4 小时前
学习 OpenMontage 的工具发现与打分选择器
人工智能
火山引擎开发者社区4 小时前
Computer Use Agent 新能力上线,开启企业电脑自动化的新范式
人工智能