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:
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。
创建存储数据文件夹
mkdir APOLLO/data/prediction， 如果它不存在的话。在APOLLO文件夹下，启动docker
bash docker/scripts/dev_start.sh。在APOLLO文件夹下，进入docker
bash docker/scripts/dev_into.sh。在docker中，
/apollo/路径下, 运行bash apollo.sh build编译代码。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/。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.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。