Grasp-Anything 项目使用教程
2024-09-26 10:56:45作者:翟江哲Frasier
1. 项目的目录结构及介绍
Grasp-Anything/
├── inference/
│ └── models/
│ └── grasp_det_seg/
├── script/
├── split/
├── utils/
├── weights/
├── .gitignore
├── LICENSE
├── README.md
├── _config.yml
├── cleanup.sh
├── evaluate.py
├── requirements.txt
├── train_network.py
└── train_network_grasp_det_seg.py
目录结构介绍
- inference/: 包含推理相关的模型文件,特别是
grasp_det_seg模型。 - script/: 包含项目的脚本文件。
- split/: 包含数据集分割相关的文件。
- utils/: 包含项目中使用的各种实用工具。
- weights/: 包含预训练的权重文件。
- .gitignore: Git 忽略文件配置。
- LICENSE: 项目的开源许可证文件。
- README.md: 项目的介绍和使用说明。
- _config.yml: 项目的配置文件。
- cleanup.sh: 清理脚本。
- evaluate.py: 评估脚本。
- requirements.txt: 项目依赖的 Python 包列表。
- train_network.py: 训练网络的主脚本。
- train_network_grasp_det_seg.py: 训练 grasp detection 和 segmentation 网络的脚本。
2. 项目的启动文件介绍
train_network.py
这是项目的主要启动文件,用于训练网络。可以通过以下命令启动训练:
python train_network.py --dataset <dataset> --dataset-path <dataset> --description <your_description> --use-depth 0
evaluate.py
用于评估训练好的模型。可以通过以下命令启动评估:
python evaluate.py --network <path_to_pretrained_network> --dataset <dataset> --dataset-path data/<dataset> --iou-eval
3. 项目的配置文件介绍
_config.yml
这是项目的配置文件,包含了项目的各种配置选项。以下是配置文件的部分内容示例:
# 示例配置文件内容
dataset: cornell
dataset-path: data/cornell
description: training_cornell
use-depth: 0
network: ggcnn
配置文件说明
- dataset: 指定要使用的数据集名称。
- dataset-path: 数据集的路径。
- description: 训练描述,用于记录训练信息。
- use-depth: 是否使用深度信息,0 表示不使用,1 表示使用。
- network: 指定要使用的网络模型,如
ggcnn。
通过这些配置文件,可以灵活地调整项目的运行参数,以适应不同的训练和评估需求。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python06
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5.01 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.96 K
Ascend Extension for PyTorch
Python
722
894
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
453
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
627
Oohos_react_native
React Native鸿蒙化仓库
C++
357
425