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
资源大佬星 课it14 小时前
人工智能机器学习系统班,人工智能深度学习系统班
人工智能
连线Insight14 小时前
从谷歌到百度,AI正在打开搜索增长空间
人工智能
DevNo14 小时前
旅行素材太多不会剪?三款手机AI工具实测体验
人工智能
TMT星球14 小时前
伽利略机器人亮相WRC 2026,突破形态局限发布“陆行具身系统”Galileo X
大数据·人工智能·机器人
是大乔家的14 小时前
AI漫剧用什么软件制作?知漫剧批量生成连载实战分享
人工智能
IT小白杨14 小时前
当MCP遇上指纹浏览器:AI自然语言驱动隔离环境的实践思路
人工智能·经验分享·selenium·安全·业界资讯·指纹浏览器
fthux14 小时前
被主流遮住的世界:那些不常见却值得认识的编程语言
人工智能·ai·开源·github
向上的车轮14 小时前
DeepSeek Harness 详解:从“一切皆插件“到本地跑通 AI Agent 运行时
人工智能
海兰14 小时前
【应用】Wastnet 框架的 SSE (Server-Sent Events)从协议原理到实践指南
运维·服务器·人工智能
147API14 小时前
蒸馏训练效果差,怎样判断问题是不是出在数据
人工智能·深度学习·机器学习