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
周杰伦_Jay7 分钟前
【BGE-M3与主流RAG嵌入模型】知识库嵌入模型对比
人工智能·机器学习·eureka·开源·github
Gavin在路上9 分钟前
AI学习之Anthropic的访谈者工具
人工智能·学习
裤裤兔15 分钟前
早停法(Early_Stopping)
人工智能·深度学习
FserSuN23 分钟前
Anthropic文章-打造高性能智能体 学习笔记
人工智能
SaaS_Product23 分钟前
有没有像OneDrive一样的自动同步网盘?
人工智能·云计算·saas·onedrive
我是宝库27 分钟前
Turnitin系统查英文AI率多少为正常?报告显示星号*%怎么办?
人工智能·经验分享·aigc·毕业论文·英文专业·turnitin系统·英文查重
c骑着乌龟追兔子27 分钟前
Day 39 MLP神经网络的训练
人工智能·深度学习·神经网络
infiniteWei30 分钟前
【技术人如何用爬虫+机器学习识别并屏蔽恶意广告】第1课:爬虫与广告反欺诈入门
人工智能·爬虫·机器学习
夏天是冰红茶1 小时前
小目标检测:LAM-YOLO详解
人工智能·yolo·目标检测
般若Neo1 小时前
【AI通识】生成式人工智能通识
人工智能·aigc·生成式ai