同步操作将从 ApolloAuto/apollo 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
训练MLP深度学习模式有2个前提条件:
conda install numpy
conda install tensorflow
conda install -c conda-forge keras
conda install h5py
conda install -c conda-forge protobuf
conda install -c pytorch pytorch
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
。
创建存储数据文件夹 mkdir APOLLO/data/prediction
, 如果它不存在的话。
在APOLLO文件夹下,启动docker bash docker/scripts/dev_start.sh
。
在APOLLO文件夹下,进入docker bash docker/scripts/dev_into.sh
。
在docker中,/apollo/
路径下, 运行 bash apollo.sh build
编译代码。
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/
。
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.
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。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。