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
工艺资源5 分钟前
外贸工艺品设计参考平台众多,哪家专业值得了解
人工智能·python
水如烟6 分钟前
孤能子视角:关系三十六计应用,JadePuffer全自动AI Agent勒索攻击‌分析
人工智能
闲猫7 分钟前
Spring AI / Models / Chat Models / Ollama
java·人工智能·spring
2601_9605679615 分钟前
打通领星ERP到前端的最后十米:潮际好麦AI如何实现“数据与视觉的无缝狂飙”
人工智能
dozenyaoyida23 分钟前
AI与大模型新闻日报 | 2026-07-10
人工智能·chatgpt·新闻
2401_8595062431 分钟前
五轴联动数控机床的技术评估与选型分析
人工智能
ai产品老杨32 分钟前
GB28181接入AI视频分析项目实战记录:从国标注册、通道同步到信令调优
人工智能·音视频
华清远见IT开放实验室35 分钟前
从嵌入式到具身智能:嵌入式AI机器狗FS_D2,一站式打通高校嵌入式+AI+机器人教学全链路
人工智能·ai·嵌入式·实验室·具身智能·高校
想会飞的蒲公英42 分钟前
回归模型怎样评估:MAE、MSE、RMSE 和 R²
人工智能·python·机器学习·数据分析·回归