同步操作将从 YYM/OpenBot 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。
English | 简体中文
警告:要为您的自定义数据集制定良好的驾驶策略,需要一些耐心。 它不是直接的,涉及数据收集,超参数调整等。如果您以前从未训练过机器学习模型,这将是挑战,甚至可能令人沮丧。
为了训练自动驾驶策略,你首先需要收集一个数据集。你收集的数据越多,得出的驾驶策略就越好。对于我们论文中的实验,我们收集了大约30分钟的数据。注意,网络会模仿你的驾驶行为。你的驾驶行为越好、越稳定,网络就会越好地学习驾驶。
你现在会在智能手机的内部存储上找到一个名为Openbot的文件夹。对于每个记录,都会有一个压缩文件。zip文件的名称格式为yyyymmdd_hhmmss.zip,对应记录开始的时间戳。
你的数据集文件应该以以下结构存储。
dataset
└── train_data
└── my_openbot_1
└── recording_1
recording_2
...
my_openbot_2
...
test_data
└── my_openbot_3
└── recording_1
recording_2
...
从手机上的Openbot文件夹中导出,每一条记录都对应着一个解压的压缩文件。
您首先需要设置您的培训环境。
我们建议为OpenBot创建一个conda环境。关于安装conda的说明可以在这里找到。
如果你没有专用的GPU(例如使用你的笔记本电脑),你可以用以下命令创建一个新的环境。
conda create -n openbot python=3.7 tensorflow=2.0.0 notebook=6.1.1 matplotlib=3.3.1 pillow=7.2.0
请注意,训练速度会非常慢。所以,如果你具有专用GPU的计算机,我们强烈建议使用它。在这种情况下,你将需要支持GPU的Tensorflow。运行以下命令来设置conda环境。
conda create -n openbot python=3.7 tensorflow-gpu=2.0.0 notebook=6.1.1 matplotlib=3.3.1 pillow=7.2.0
如果你喜欢手动设置环境,这里有一个依赖列表。
我们提供了一个 Jupyter Notebook文件,指导您完成训练自动驾驶策略的步骤。笔记本会生成两个tflite
文件,分别对应根据验证指标的最佳checkpoint和最新checkpoint。选取其中一个并将其重命名为autopilot_float.tflite。替换现有的模型,在
app
└── assets
└── networks
└── autopilot_float.tflite
并重新编译安卓App。
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。