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
回眸&啤酒鸭7 分钟前
DeepSeek 大模型落地应用与价值实现指南
人工智能
怕浪猫18 分钟前
LLM 面试必问的 8 个问题,答不上来直接淘汰
人工智能·python·面试
deepseek2322 分钟前
Lathoa 拆解:让 AI 故意出错比答对更难,反向出题 harness 的三重校验与共模失效困局
人工智能·大模型·可靠性工程
红海云29 分钟前
AI抬高了职场的第一道门槛
人工智能
我是小白呀30 分钟前
21-Workflow与AI-Agent怎么分工:确定流程里容纳不确定判断
人工智能·workflow
数字新视界34 分钟前
动环监控系统优化数据中心管理,提升环境监测与安全效率
大数据·人工智能·数据中心·微模块机房·模块化机房
zhenaibo52139 分钟前
如何向导师请教问题,才能得到有效建议?
大数据·人工智能·深度学习
xsd202411181 小时前
智驾多传感器时间同步:从硬件触发到软触发PPS+GPRMC
人工智能
飞哥数智坊1 小时前
Personal Agent 火了,新酿还是旧酒?
人工智能·agent
秦先生在广东1 小时前
HyperFrames 深度解析:面向 AI 代理的确定性视频渲染框架
人工智能