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
长弓三石2 小时前
企业级开源Harness平台BizBuddy 0.9.9 发布:知识库混合检索与长期记忆托管
人工智能
一线数智2 小时前
来腾讯云AI开放日 加入人类职业进化计划
大数据·人工智能·腾讯云
桦说编程2 小时前
别再追“最强模型”了,先想清楚你要什么
人工智能·llm·agent
loulanyue_2 小时前
机器换人不是终点,混合智能体重塑制造范式:从自主四要素到组织扁平化破局——读周济李培根院士2026东湖论坛国际智能制造创新论坛演讲实录
大数据·人工智能·制造
龙亘川3 小时前
适应人工智能发展、构建就业友好型发展方式
大数据·运维·人工智能·信息可视化·智慧城市
实验室管理云平台3 小时前
某国家重点实验室应用经费合同管理系统,实现经费实时监控
大数据·人工智能
武子康3 小时前
HunyuanVideo-1.5 首帧视频怎么做提示词对照?先查清 rewrite 是否生效
人工智能·后端·agent
王亚博_Abel3 小时前
国产算力端侧 Agent 落地路径分析:从讯飞星火 X2.6 说起
人工智能
ATM0063 小时前
专其利AI V3.3.6 更新说明
人工智能·专利撰写·专其利ai·人工智能合规·生成式人工智能备案