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
Csvn3 分钟前
评测集不是“一堆问题”,是“测试资产”——30 条结构化评测集(E02)
人工智能·agent
OpenBayes9 分钟前
Qwen3.8-27B-FP8 降低大模型部署门槛,开启高效多模态智能体验;MiniMax H3-1K 发布千段视频测试数据集,全面评估 AI 视频生成能力
人工智能·深度学习·计算机视觉·自然语言处理·语音识别·多模态大模型
小小测试开发10 分钟前
RAG评测指标实战:忠实度、上下文精确率/召回率从原理到CI落地
android·人工智能·spring boot·ci/cd
Easy_API10 分钟前
OpenAI三周内第二次降价,GPT-5.6 Sol砍了20%到33
大数据·前端·人工智能·gpt·深度学习
小K讲AI营销12 分钟前
智谱配售314亿港元:融资通道切换
大数据·人工智能
陕西企来客17 分钟前
2026年8月木铝门窗适合哪些住宅?材质性能与维护解析
人工智能·材质·木铝门窗
深小乐18 分钟前
读李开复《AI 未来已来》,我三月份写的那些判断,被补全了
人工智能
张人玉18 分钟前
基于 Python + PyQt5 的水果目标检测与分割可视化系统——水果深度学习识别可视化大屏
python·深度学习·qt·目标检测·sqlite·echarts
Csvn21 分钟前
第 9 章 记忆系统
人工智能·aigc·agent
李洱25 分钟前
Reranker(重排器)
人工智能