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
金融小师妹4 小时前
多因子智能推演:油价回落6%与黄金震荡上行的关联解析——AI预测框架
大数据·python·深度学习
Ai思想家6 小时前
私有化部署的服务器选型与容量规划
人工智能·安全·ai
小码哥哥6 小时前
实战指南:企业网盘与AI知识库的融合架构设计与实现
人工智能
品牌测评6 小时前
AI编码平台的技术演进与行业格局——2026年生态观察
人工智能
爱查宝小二6 小时前
爱查宝 AIGC 检测与降重能力深度评测
人工智能·aigc
白拾6 小时前
【CVPR 2026】POUR:神经坍缩驱动的可证明最优表示级机器遗忘|从隐私合规与表示几何视角
人工智能·机器遗忘·表示学习·医学影像ai·cvpr 2026·pour 论文分享·神经坍缩
重庆传粉科技7 小时前
AI搜索重构互联网价值交换:GEO如何缓解全域流量流失难题
大数据·人工智能
BUG研究员_7 小时前
Runnable与LCEL
开发语言·人工智能·python
老马聊技术7 小时前
Pytorch深度学习环境配置与测试
人工智能·pytorch·python