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
angered7 分钟前
「AI 应用 / AI Agent」行业日报 · 2026-08-23
人工智能·ai编程
狂云歌12 分钟前
AI学习之function calling&mcp
人工智能·学习·ai·ai编程
蓝速科技15 分钟前
蓝速桌面 AI 双屏翻译机:重塑企业涉外接待门面与沟通效率
人工智能
浪兎兎16 分钟前
【微调】(案例)SpeedWolf 狼人杀策略分析模型
人工智能·pytorch
tachibana217 分钟前
RAGAS 指标解读
数据库·人工智能·算法·机器学习·架构·大模型·llm
能源革命22 分钟前
AI 日报 2026-08-23|AI Coding + 具身智能重点速览
人工智能
suaizai_36 分钟前
AI Agent如何懂你:四层能力拆解
java·前端·人工智能
BruceZong40 分钟前
人工智能领域常见名词及其解释
人工智能
FL16238631291 小时前
电力场景变电站火灾检测数据集VOC+YOLO格式564张2类别
人工智能·yolo·机器学习
ZhengEnCi1 小时前
DeepSeek V4 Flash Vision Exp 全面调研:好不好用、值不值得用、性价比高不高
人工智能