Skip to content

how_to_train_prediction_mlp_model_cn.md

Latest commit

 

History

History
31 lines (21 loc) · 1.68 KB

how_to_train_prediction_mlp_model_cn.md

File metadata and controls

31 lines (21 loc) · 1.68 KB
Raw

训练预测MLP深度学习模型

前提条件

训练MLP深度学习模式有2个前提条件:

下载并安装Anaconda

  • 请从官网下载并安装Anaconda website

安装依赖库

  • 安装 numpy: conda install numpy
  • 安装 tensorflow: conda install tensorflow
  • 安装 keras: conda install -c conda-forge keras
  • 安装 h5py: conda install h5py
  • 安装 protobuf: conda install -c conda-forge protobuf
  • 安装 PyTorch: conda install -c pytorch pytorch

训练模型

请按照以下步骤使用演示cyber record来训练MLP模型。为了方便起见，我们把Apollo作为本地Apollo的路径，例如，/home/username/apollo。

  1. 创建存储数据文件夹 mkdir APOLLO/data/prediction， 如果它不存在的话。

  2. 在APOLLO文件夹下，启动docker bash docker/scripts/dev_start.sh。

  3. 在APOLLO文件夹下，进入docker bash docker/scripts/dev_into.sh。

  4. 在docker中，/apollo/路径下, 运行 bash apollo.sh build 编译代码。

  5. 在docker中，/apollo/路径下, 从/apollo/data/prediction 拷贝演示cyber record到数据文件夹下： cp /apollo/docs/demo_guide/demo_3.5.record /apollo/data/prediction/。

  6. 在docker中，/apollo/路径下, 运行bash脚本进行特征抽取: bash modules/tools/prediction/mlp_train/feature_extraction.sh /apollo/data/prediction/ apollo/data/prediction/, 运行完了以后，特征数据文件会出现在 /apollo/data/prediction/路径下.

  7. 退出docker, 根据 APOLLO/modules/tools/prediction/mlp_train/cruiseMLP_train.py 和 APOLLO/modules/tools/prediction/mlp_train/junctionMLP_train.py 训练模型。