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

mmdzb / Lane-Transformer