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
树獭非懒3 分钟前
AI 大模型应用开发|基础原理
人工智能·aigc·ai编程
AI营销实验室11 分钟前
AI CRM系统升级,原圈科技赋能销售洞察
人工智能·科技
eve杭34 分钟前
AI、大数据与智能时代:从理论基石到实战路径
人工智能·python·5g·网络安全·ai
TG:@yunlaoda360 云老大35 分钟前
腾讯云国际站代理商的QAPM服务能提供哪些专属服务?
人工智能·云计算·腾讯云
明月满西楼1 小时前
4.2.1 分类任务
人工智能
AI_56781 小时前
Webpack5优化的“双引擎”
大数据·人工智能·性能优化
LZL_SQ1 小时前
昇腾NPU架构设计 从抽象硬件模型到物理实现
人工智能·昇腾·cann·ascend c
慎独4132 小时前
家家有平台:Web3.0绿色积分引领消费新纪元
大数据·人工智能·物联网
火云牌神2 小时前
如何选择FAISS的索引类型
人工智能·faiss
Gavin在路上2 小时前
SpringAIAlibaba之高级特性与实战场景全解析(5)
人工智能