apollo 预测模块 Network代码结构

整体来讲模型的推理有五种形式

1. 有模型文件使用tensorflow来调用
2. 有模型文件使用tensorrt来调用
3. 有模型文件使用keras来调用
4. 有模型文件使用lightgbm来调用
5. 没有模型文件直接使用keras_layer来调用

keras_layer

keras_model需要用到的结构

model

有模型文件使用keras来调用
有模型文件使用lightgbm来调用
没有模型文件直接使用keras_layer来调用

plugin

和evaluate相连

tensorrt_model

用来tensorrt推理
有模型文件使用tensorflow来调用

如果是用gpu的，tensorrt会直接调用pnc_cache_data中的trt.bin文件，这些文件是通过ONNX形式生成的二进制文件
如果使用cpu的，直接用tensorflow调用.pb文件（protobuf的格式）

/output/parameters里面的参数文件，有.bin(用于keras解析)，有.pb(tensorflow直接用)，有.onnx(用于tensorrt生成.bin)，有.txt(只用于cutins_model.cpp，lightgbm)
/output/include里面都是.pb.h文件，都是一些结构
模型中具体提取了哪些特征可以直接从on_line的代码中看出来
semantic_map需要使用multi modal fully cnn plugin提取feature， 生成是在obstacles_container.cpp中，把DEBUG dumper下的内容打开，可以将semantic map通过.png显示出来， multi_modal需要semantic_map的feature.
关于制作数据集：主要是数据格式的转换以及数据清洗（并不是所有的数据都可以用，例如一些id跳变的case，需要对这些bad data进行清洗），应该不是手动标注的，需要利用主线的平台，具体问陈忠涛
了解模型结构：看论文，使用tensorflow解析.pb文件
KERAS: 由纯python编写的基于theano/tensorflow的深度学习框架，底层库使用Theano或TensorFlow（也可以算是一种框架）
ONNX：开放神经网络交换格式，是一个用于表示深度学习模型的标准，可使模型在不用框架之间进行转移
LightGBM: 是一种深度学习框架