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
袁庭新几秒前
2025年终总结,智启
人工智能·aigc
540_5405 分钟前
ADVANCE Day35
人工智能·python·深度学习
百***07456 分钟前
Claude Opus 4.5 场景化实战指南:全链路赋能开发,提升效率翻倍
人工智能·gpt·开源
DeepVis Research8 分钟前
【2025深度学习全家桶】Android Studio Otter + CUDA 11.8/12.1 离线安装包 | AI开发环境一键搞定
pytorch·深度学习·android studio·cuda·stablediffusion
沛沛rh458 分钟前
深度学习0基础入门:从人工规则到神经网络的进化之旅
人工智能·深度学习·神经网络
hk112415 分钟前
【Quantum/Chaos】2026年度量子混沌模拟与社会技术系统演化基准索引 (Socio-Technical Benchmark)
人工智能·网络安全·系统架构·数据集·量子计算
郑泰科技20 分钟前
python深度学习报错:Original error was: No module named ‘numpy.core._multiarray_umath‘
python·深度学习·numpy
梦想画家22 分钟前
Apache AGE 实战进阶:从图查询到知识图谱+LLM知识问答全流程
人工智能·知识图谱·apache age
youcans_36 分钟前
【DeepSeek论文精读】14. mHC:流形约束超连接
论文阅读·人工智能·残差网络·deepseek·超连接
wenzhangli741 分钟前
实战|Ooder 钩子机制全解析:AI 协同开发与权限框架集成实战
人工智能