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
Cosolar2 分钟前
文生图竞技场变局:GPT-Image-2 以 1512 分登顶,多模态格局重塑
人工智能·开源·全栈
博.闻广见2 分钟前
AI_线性代数-6.PCA降维详解
人工智能·线性代数
互联网江湖2 分钟前
苹果翻开AI眼镜的“生死簿”
人工智能
RInk7oBjo4 分钟前
多Agent编排时代 · OpenAI × Anthropic 跨生态协作
人工智能
Yuanxl9037 分钟前
PyTorch模型训练全流程详解
人工智能·pytorch·深度学习
码农的神经元10 分钟前
从零搭建一个带 GUI 的机器学习建模系统:多模型切换、遗传算法优化与可视化实战复盘
人工智能·机器学习
一楼的猫13 分钟前
茄子小说AI辅助智能写作助手:10倍速创作神器
人工智能·学习·机器学习·学习方法·ai写作·迁移学习·集成学习
懂AI的老郑14 分钟前
人工智能手机的构建思路:从架构到实现
人工智能·智能手机·架构
思绪无限15 分钟前
YOLOv5至YOLOv12升级:交通信号灯识别系统的设计与实现(完整代码+界面+数据集项目)
深度学习·yolo·目标检测·交通信号灯识别·yolov12·yolo全家桶
gjhave16 分钟前
强化学习论文(Double-DQN)
人工智能·机器学习