LaneGCN

حذر

تم اختراق حاوية Amazon AWS S3 argoai-argoverse التي تحتوي على العديد من الملفات التجريبية. قد تكون الملفات تالفة.
تم تعديل الملفات التي تشير إلى مجموعة S3 هذه، ويتم التعليق على أي عمليات استرجاع من هذه المجموعة. يرجى المضي قدما بحذر.

LaneGCN: تمثيلات الرسم البياني للتعلم للتنبؤ بالحركة

ورق | الشرائح | صفحة المشروع | ECCV 2020 فيديو شفهي

مينغ ليانغ، بن يانغ، روي هو، يون تشن، رينجي لياو، سونغ فنغ، راكيل أورتاسون

حصل على المركز الأول في مسابقة Argoverse للتنبؤ بالحركة

جدول المحتويات

• تثبيت التبعية
• تحضير البيانات
• تمرين
• اختبار
• رخصة
• الاقتباس

تثبيت التبعية

تحتاج إلى تثبيت الحزم التالية لتشغيل الكود:

• باي تورش>=1.3.1
• واجهة برمجة التطبيقات Argoverse

1. فيما يلي مثال لإنشاء بيئة من الصفر باستخدام الأناكوندا، ويمكنك استخدام النقطة أيضًا:

conda create --name lanegcn python=3.7
conda activate lanegcn
conda install pytorch==1.5.1 torchvision cudatoolkit=10.2 -c pytorch # pytorch=1.5.1 when the code is release

# install argoverse api
pip install  git+https://github.com/argoai/argoverse-api.git

# install others dependancy
pip install scikit-image IPython tqdm ipdb

2. [اختياري لكن موصى به] قم بتثبيت Horovod و mpi4py للتدريب الموزع. يعد Horovod أكثر كفاءة من nn.DataParallel للتدريب على وحدات معالجة الرسوميات المتعددة وأسهل في الاستخدام من nn.DistributedDataParallel . قبل تثبيت horovod، تأكد من تثبيت openmpi ( sudo apt-get install -y openmpi-bin ).

pip install mpi4py

# install horovod with GPU support, this may take a while
HOROVOD_GPU_OPERATIONS=NCCL pip install horovod==0.19.4

# if you have only SINGLE GPU, install for code-compatibility
pip install horovod

إذا كان لديك أي مشاكل بخصوص horovod، يرجى الرجوع إلى horovod github

إعداد البيانات: التنبؤ بالحركة Argoverse

يمكنك التحقق من البرامج النصية وتنزيل البيانات المعالجة بدلاً من تشغيلها لساعات.

bash get_data.sh

تمرين

[مستحسن] التدريب مع Horovod-multigpus

 # single node with 4 gpus
horovodrun -np 4 -H localhost:4 python /path/to/train.py -m lanegcn

# 2 nodes, each with 4 gpus
horovodrun -np 8 -H serverA:4,serverB:4 python /path/to/train.py -m lanegcn

يستغرق تدريب النموذج على 4 وحدات معالجة رسوميات (RTX 5000) باستخدام الهوروفود 8 ساعات.

نحن أيضًا نوفر لك سجل تدريب لتصحيح الأخطاء.

[مستحسن] التدريب/تصحيح الأخطاء باستخدام Horovod في وحدة معالجة رسومات واحدة

python train.py -m lanegcn

اختبار

يمكنك تنزيل النموذج المُدرب مسبقًا من هنا

تم تعيين اختبار الاستدلال لتقديمه

 python test.py -m lanegcn --weight=/absolute/path/to/36.000.ckpt --split=test

تم تعيين التحقق من صحة الاستدلال للمقاييس

 python test.py -m lanegcn --weight=36.000.ckpt --split=val

نتائج نوعية

التسميات (الأحمر) التنبؤ (الأخضر) الوكلاء الآخرون (الأزرق)

---

النتائج الكمية

رخصة

التحقق من الترخيص

الاقتباس

إذا كنت تستخدم كود المصدر الخاص بنا، فيرجى مراعاة الاستشهاد بما يلي:

 @InProceedings { liang2020learning ,
  title = { Learning lane graph representations for motion forecasting } ,
  author = { Liang, Ming and Yang, Bin and Hu, Rui and Chen, Yun and Liao, Renjie and Feng, Song and Urtasun, Raquel } ,
  booktitle = { ECCV } ,
  year = { 2020 }
}

إذا كان لديك أي أسئلة بخصوص الكود، يرجى فتح مشكلة و@chenyuntc.