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
开放知识图谱2 分钟前
论文浅尝 | 图形约束推理:基于大型语言模型在知识图谱上的可信推理(ICML2025)
人工智能·语言模型·自然语言处理·知识图谱
游了个戏3 分钟前
微信小游戏 vs QQ小游戏:表面是兄弟,骨子里是两套完全不同的玩法
人工智能·游戏·微信
人工智能AI技术8 分钟前
人工智能发展简史:关键节点与技术突破
人工智能
爱写代码的小朋友15 分钟前
人工智能赋能下的基础教育课堂评价体系重构——从单一分数到核心素养的多维评估
人工智能·课堂教学
杜稀饭17 分钟前
告别 HDR 调参玄学:AI 辅助 HDR 融合怎么落地
人工智能
keira67419 分钟前
AI agent是什么
人工智能
刘~浪地球20 分钟前
当AI开始“理财“:智能投顾是帮你赚钱还是割韭菜?
人工智能·python·机器学习
XmasWu122521 分钟前
【Hermes Agent场景】数据分析师的瑞士军刀
人工智能
黎阳之光24 分钟前
黎阳之光:全域实景立体管控,重构智慧电厂与变电站数字孪生新范式
大数据·人工智能·算法·安全·数字孪生
运维技术小记25 分钟前
这个 MIT 学生用 AI 学习法两天搞定一门课的方法,颠覆认知!
人工智能·学习