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
阿童木写作16 分钟前
Python实现亚马逊商品图批量智能抠图教程
人工智能·python
EQUINOX117 分钟前
【论文精读】| Qwen-VL
人工智能
小罗水18 分钟前
第14章 Sentinel 限流与 AI 降级
人工智能·sentinel
小弥儿26 分钟前
GitHub今日热榜 | 2026-08-01:硬件安全工具与AI教育并行
人工智能·学习·开源·github
OpenCut29 分钟前
OpenCut丨视频后期剪辑!AI 一键清理视频画面文字水印!
人工智能·音视频
小柯南敲键盘1 小时前
速卖通AI图片翻译API集成实战
人工智能·python
kobesdu1 小时前
流形上的优化:SO(3)与SE(3)的广义加减法在FAST-LIO中如何简化状态估计
人工智能·算法·fastlio
会周易的程序员1 小时前
唯识学架构的AI:Agent个体意识与佛陀出现可能性的推演
人工智能
卡梅德生物科技小能手1 小时前
卡梅德生物科普 TNFSF4(肿瘤坏死因子超家族成员 4)
经验分享·深度学习·生活
weixin_727535621 小时前
Loop 已死,Graph 新生:AI 工作流的范式革命
android·人工智能·rxjava