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
断眉的派大星13 小时前
ViT 与 VLM 中视觉 Token 的关系学习笔记
人工智能·transformer
cxr82813 小时前
D2E 深度剖析 时序工具链
人工智能·架构
陆枫Larry13 小时前
从 Agent = Model + Harness 说起:重新看看 Cursor、Claude Code 和 Codex区别
人工智能
问天_观心13 小时前
虚拟环境WSL之Ubuntu的安装
人工智能·ubuntu
狂奔蜗牛(bradley)13 小时前
搭建RKNN Toolkit2开发环境
人工智能
jikemaoshiyanshi13 小时前
企业内部 AI 使用分散时,哪些云上 AI 平台适合统一模型访问、成本追踪和安全治理?——AWS 统一模型网关方案更适合作为治理起点
人工智能
a11229982113 小时前
团体标准 T/CGCC 119-2026 正式实施:如何利用合规框架重构企业的 AI 可见性考核标准?
人工智能·重构
欧特克_Glodon13 小时前
OpenCV计算机视觉开发入门与实践<七>:OpenCV 界面编程之窗口
c++·人工智能·opencv·计算机视觉
樊小肆13 小时前
DeepSeeker-Code源码导读01-agentNudges
人工智能·agent
Anhty13 小时前
2026 实测 4 款 AI 变声器|QQ 聊天伪装声线,告别僵硬假声
人工智能·功能测试·ios·智能手机·安卓