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
冬奇Lab6 分钟前
一天一个开源项目(第104篇):CLI-Anything - 让所有软件变成 AI 代理可调用的命令行接口
人工智能·开源·资讯
冬奇Lab10 分钟前
RAG 系列(十九):增量更新——知识库如何保持新鲜
人工智能·llm
浪里行舟11 分钟前
你的品牌正在被AI“遗忘”?用BuildSOM找回搜索的下一个风口
人工智能·python·程序员
jkyy201433 分钟前
轻量化AI营养师,如何适配多业态快速落地健康服务升级?
人工智能
blackorbird44 分钟前
M4 MacBook Air外接RTX 5090实现3A游戏与AI加速
人工智能·游戏
knight_9___1 小时前
大模型project面试8
人工智能
学习论之费曼学习法1 小时前
Agent工具调用:让AI拥有超能力
人工智能
小豆包的小朋友02171 小时前
【无标题】
人工智能
IT_陈寒2 小时前
React性能优化踩的坑,这个错你可能也会犯
前端·人工智能·后端