LaneTransorfmer

Requirements

  • matplotlib==3.2.2
  • numpy==1.18.1
  • pandas==1.0.0
  • torch==1.10.2
  • tqdm==4.42.0

文件结构

  • log:存储训练过程中产生的记录文件
  • Dataset:默认用来存放预处理后的.pkl文件
  • pic:每次val的过程都会存储一个batch的可视化结果
  • saved:存储模型
  • submission:存储用以提交至Argoverse官网进行test的.h5文件
  • model:模型文件

模型训练

首先,修改train.py文件中的train_path, val_path, test_path三个超参数为Argoverse数据集所在路径,例如:

train_path = '/home/wzb/Datasets/Argoverse/train/data/'
val_path = '/home/wzb/Datasets/Argoverse/val/data/'
test_path = '/home/wzb/Datasets/Argoverse/test/data/'        

接下来,根据需求修改parser文件中的pkl_save_dir参数,确定预处理结束后的pkl文件的存储地址(默认为当前目录下的Dataset文件夹)。

随后, 将parser文件中的mode参数设置为train, 执行下列命令即可开始模型训练:

python train.py           

如果是第一次进行训练,会进行数据预处理,此后只要不再改变pkl_save_dir,预处理结果就可以复用。

模型验证

在train.py中给出欲验证的模型文件的路径,例如:

load_checkpoint('./saved/baseline/baseline.pth', model, optimizer)

将parser中的mode参数改为val,执行下列命令即可开始模型验证:

python train.py 

模型测试

在train.py中给出欲测试的模型文件的路径,例如:

load_checkpoint('./saved/baseline/baseline.pth', model, optimizer)

将parser中的mode参数改为test,执行下列命令即可开始模型验证:

python train.py 

按照Argoverse官方要求所生成的.h5文件会被存储在submission文件夹内