训练预测MLP深度学习模型

前提条件

训练MLP深度学习模式有2个前提条件:

下载并安装Anaconda

• 请从官网下载并安装Anaconda website

安装依赖库

• 安装 numpy: conda install numpy
• 安装 tensorflow: conda install tensorflow
• 安装 keras: conda install -c conda-forge keras
• 安装 h5py: conda install h5py
• 安装 protobuf: conda install -c conda-forge protobuf
• 安装 PyTorch: conda install -c pytorch pytorch

训练模型

请按照以下步骤使用演示cyber record来训练MLP模型。为了方便起见，我们把Apollo作为本地Apollo的路径，例如，/home/username/apollo。

1. 创建存储数据文件夹 mkdir APOLLO/data/prediction， 如果它不存在的话。

2. 在APOLLO文件夹下，启动docker bash docker/scripts/dev_start.sh。

3. 在APOLLO文件夹下，进入docker bash docker/scripts/dev_into.sh。

4. 在docker中，/apollo/路径下, 运行 bash apollo.sh build 编译代码。

5. 在docker中，/apollo/路径下, 从/apollo/data/prediction 拷贝演示cyber record到数据文件夹下： cp /apollo/docs/demo_guide/demo_3.5.record /apollo/data/prediction/。

6. 在docker中，/apollo/路径下, 运行bash脚本进行特征抽取: bash modules/tools/prediction/mlp_train/feature_extraction.sh /apollo/data/prediction/ apollo/data/prediction/, 运行完了以后，特征数据文件会出现在 /apollo/data/prediction/路径下.

7. 退出docker, 根据 APOLLO/modules/tools/prediction/mlp_train/cruiseMLP_train.py 和 APOLLO/modules/tools/prediction/mlp_train/junctionMLP_train.py 训练模型。