TransFuser 项目使用教程
2024-09-15 05:41:53作者:龚格成
1. 项目目录结构及介绍
transfuser/
├── figures/
├── leaderboard/
│ ├── data/
│ ├── scripts/
│ └── ...
├── results/
├── scenario_runner/
├── team_code_autopilot/
├── team_code_transfuser/
├── tools/
├── .gitignore
├── LICENSE
├── README.md
├── download_data.sh
├── environment.yml
└── setup_carla.sh
目录结构介绍
- figures/: 存放项目相关的图表文件。
- leaderboard/: 包含用于评估模型的脚本和数据。
- data/: 存放评估所需的路线和场景文件。
- scripts/: 包含用于启动评估的脚本。
- results/: 存放评估结果的文件。
- scenario_runner/: 包含用于运行场景的脚本。
- team_code_autopilot/: 包含自动驾驶模拟器的代码。
- team_code_transfuser/: 包含TransFuser模型的代码。
- tools/: 包含用于数据处理和结果解析的工具。
- .gitignore: Git忽略文件。
- LICENSE: 项目许可证文件。
- README.md: 项目介绍和使用说明。
- download_data.sh: 下载数据集的脚本。
- environment.yml: 项目依赖的环境配置文件。
- setup_carla.sh: 设置CARLA模拟器的脚本。
2. 项目启动文件介绍
2.1 启动CARLA服务器
./CarlaUE4.sh --world-port=2000 -opengl
2.2 生成训练数据
./leaderboard/scripts/datagen.sh <carla root> <working directory of this repo (*/transfuser/)>
2.3 训练模型
cd team_code_transfuser
python train.py --batch_size 10 --logdir /path/to/logdir --root_dir /path/to/dataset_root/ --parallel_training 0
2.4 评估模型
./leaderboard/scripts/local_evaluation.sh <carla root> <working directory of this repo (*/transfuser/)>
3. 项目配置文件介绍
3.1 environment.yml
该文件定义了项目所需的环境依赖,使用conda创建环境:
conda env create -f environment.yml
conda activate tfuse
3.2 setup_carla.sh
该脚本用于设置CARLA模拟器:
chmod +x setup_carla.sh
./setup_carla.sh
3.3 download_data.sh
该脚本用于下载训练数据集:
chmod +x download_data.sh
./download_data.sh
3.4 train.py
训练模型的主脚本,包含多个配置选项:
python train.py --batch_size 10 --logdir /path/to/logdir --root_dir /path/to/dataset_root/ --parallel_training 0
3.5 local_evaluation.sh
用于本地评估模型的脚本:
./leaderboard/scripts/local_evaluation.sh <carla root> <working directory of this repo (*/transfuser/)>
通过以上步骤,您可以顺利启动和配置TransFuser项目,并进行模型训练和评估。
登录后查看全文
热门项目推荐
相关项目推荐
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 StartedRust0153- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
LongCat-Video-Avatar-1.5最新开源LongCat-Video-Avatar 1.5 版本,这是一款经过升级的开源框架,专注于音频驱动人物视频生成的极致实证优化与生产级就绪能力。该版本在 LongCat-Video 基础模型之上构建,可生成高度稳定的商用级虚拟人视频,支持音频-文本转视频(AT2V)、音频-文本-图像转视频(ATI2V)以及视频续播等原生任务,并能无缝兼容单流与多流音频输入。00
auto-devAutoDev 是一个 AI 驱动的辅助编程插件。AutoDev 支持一键生成测试、代码、提交信息等,还能够与您的需求管理系统(例如Jira、Trello、Github Issue 等)直接对接。 在IDE 中,您只需简单点击,AutoDev 会根据您的需求自动为您生成代码。Kotlin03
Intern-S2-PreviewIntern-S2-Preview,这是一款高效的350亿参数科学多模态基础模型。除了常规的参数与数据规模扩展外,Intern-S2-Preview探索了任务扩展:通过提升科学任务的难度、多样性与覆盖范围,进一步释放模型能力。Python00
skillhubopenJiuwen 生态的 Skill 托管与分发开源方案,支持自建与可选 ClawHub 兼容。Python0112
项目优选
收起
暂无描述
Dockerfile
733
4.75 K
deepin linux kernel
C
31
16
Ascend Extension for PyTorch
Python
651
797
Claude 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 Started
Rust
1.25 K
153
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.1 K
611
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++
1.01 K
1.01 K
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
147
237
昇腾LLM分布式训练框架
Python
168
200
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
434
395
暂无简介
Dart
986
253