Installation der Umgebung geht nur einfach wenn conda installiert ist! Ansonten müssen alle benötigenten Pakete in der passenden Version manuell installiert werden..
Befehl: conda env create -f environment[-gpu].yml
Der relevante Quellcode befindet sich in der model.py. Hier müssen zu erst noch einige Zeilen ergänzt werden. Im folgenden findet ihr einige Hinweise dazu.
Convolution Layer
model.add(Convolution2D(kernel_count, kernel_x, kernel_y, border_mode='same', subsample=(X, X)))
model.add(Activation(activation_relu))Hinweis: Subsampling ist 2x2 in den ersten drei Ebenen, danach 1x1
Pooling Layer
model.add(MaxPooling2D(pool_size=(2, 2), strides=(1, 1)))Fully-Connected Layer
model.add(Dense(neron_count))
model.add(Activation(activation_relu))Wichtig: Pfad zu aufgezeichneten Trainingsbildern und Lenkdaten (CSV) in der helper.py anpassen!
Training starten: python model.py
Nun zur drive.py, diese steuert später das Fahrzeug. Wichtig ist hier vor allem die Funktion telemetry. In ihr werden die eingehnden Daten verarbeitet und die neuen Lenkdaten vorhergesagt. Zum besseren Verständnis empfiehlt es sich, sich einmal die Ausgaben des Funktionsparameters data ausgeben zu lassen.
Anschließend sollte es möglich sein die entsprechenden Variablen zu befüllen und die Funktion zu vervollständigen. Mit dem throttle-Paramter darf gerne experimentiert werden.
Hinweis:
print('Hallo, ich habe 5 Nachkomma-Stellen: {:.5f}'.format(0.167341324))`Autonomes Fahren: python drive.py model.json
Wichtig: Simulator muss im 'Autonomous Mode' sein