Этот репозиторий содержит код статьи «Быстрый и эффективный метод на основе трансформатора для прогнозирования экземпляров с высоты птичьего полета», автор:
Мигель Антунес
Луис М. Бергаса
Сантьяго Монтьель-Марин
Рафаэль Бареа
Фабио Санчес-Гарсия
Анхель Льямасарес
Измените путь nuscenes в make-файле. Если WANDB KEY не установлен, код запросит его. Если вы не хотите создавать или использовать свою учетную запись, вы можете войти анонимно.
Загрузите набор данных NuScenes с официального сайта и извлеките файлы в папку со следующей структурой:
нюсцены/
└──── поездвал/
├──── карты/
├──── образцы/
├──── взмахи/
├──── v1.0-trainval/
└──── v1.0-mini/Настройте путь к набору данных NuScenes в Makefile:
NUSCENES_PATH = /путь/к/нусценам
% Таблица с моделями и их производительностью
| Модель | Короткое описание VPQ | долговая расписка короткая | Парамс (М) | Задержка (мс) | Контрольно-пропускной пункт |
|---|---|---|---|---|---|
| Полный | 53,7 | 59,1 | 13.46 | 63 | «Полная модель ckpt» |
| Крошечный | 52,3 | 57,5 | 7.42 | 60 | «Крошечная модель ckpt» |
Создайте образ Docker с помощью следующей команды:
сделать сборку
В Makefile вы можете настроить следующие параметры образа:
IMAGE_NAME : имя созданного образа Docker.
TAG_NAME : Тег созданного образа Docker.
USER_NAME : имя пользователя внутри контейнера Docker.
После создания образа вы можете запустить контейнер с помощью следующей команды:
бежать
Эта команда запустит bash внутри контейнера и смонтирует текущий каталог и набор данных внутри контейнера.
Внутри контейнера вы можете:
Оцените модель:
python val.py --checkpoint 'Путь/к/model.ckpt' --dataset_root 'Путь/к/nuscenes'
Визуализируйте прогнозы:
python предсказать.py --checkpoint 'Путь/к/model.ckpt' --dataset_root 'Путь/к/nuscenes'
--save_path 'Путь/к/сохранению/прогнозам'Обучите модель:
Во-первых, вы можете настроить некоторые параметры обучения в файле prediction/configs/baseline.py . Мы также предоставляем файлы конфигурации для наших моделей в той же папке.
Если вы хотите использовать свою учетную запись Wandb, вы можете установить переменную среды WANDB_API_KEY с вашим ключом API.
Модель можно обучить с помощью следующей команды:
python train.py --config 'имя_конфигурации'
Где config_name — это имя файла конфигурации без расширения .py в prediction/configs . В эту папку также можно добавлять новые пользовательские конфигурации.
Если вы укажете путь контрольной точки в baseline.py вы сможете:
Загрузите веса предварительно обученной модели, если для LOAD_WEIGHTS установлено значение True.
Продолжайте обучение с контрольной точки, если для параметра CONTINUE_TRAINING также установлено значение True, которое поддерживает состояния оптимизатора и планировщика.
Если у вас есть вопросы, пишите мне на [email protected].
