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
Canace9 分钟前
给 Claude 一个链接,它真的读了原文吗
前端·人工智能·ai编程
星火102411 分钟前
【LangChain4j系列01】LangChain4j 快速入门与核心概念
java·人工智能
阿宇的技术日志15 分钟前
美团图灵 Agent 评测文章学习:从 “打分“ 到 “基建“,Agent 评测的认知升级
人工智能·agent 评测
武子康15 分钟前
GPT-Live 与 GPT-Realtime:产品模型和公开 API 不应混写
人工智能·chatgpt·agent
zhongerzixunshi15 分钟前
健全创新激励机制,激活企业发展内生动力
大数据·人工智能
changtianshuiyue16 分钟前
拆解 AI Agent 三大核心机制:从概念到 OpenAI API 接口实现
人工智能
beiju17 分钟前
从 Demo 到 Production:Agent Runtime 的失败恢复与验证闭环
人工智能
土星云SaturnCloud20 分钟前
边缘计算赋能电子焊接工位双摄AI管控:土星云SE110S-WC8实现合规检测与质量追溯全闭环
服务器·人工智能·ai·边缘计算
月光船幽幽32 分钟前
分层阈值规避归藏协议过度重置
人工智能·python
世冠科技33 分钟前
世冠科技CEO张桥:从“一句话完成产品研发”到工程智能,AI 原生如何重构复杂装备研发(上篇)
人工智能·科技·重构