（7-5-4）行为预测算法：Social LSTM轨迹预测算法——验证模型在真实数据上的性能

7.5.9  验证模型在真实数据上的性能

在本项目中，文件test_helper.py 定义了测试辅助函数，包括轨迹采样和高斯分布采样，为test.py 提供了在测试集上评估模型性能的重要工具。文件test.py 是测试脚本，加载训练好的模型，在测试集上进行迭代测试，并记录性能指标，最终输出最佳的测试 ADE 和 FDE，以及真实和预测轨迹的存储。这两个文件共同支持模型在真实数据上的综合性能评估。

（1）编写文件test_helper.py，定义了在测试中用到的一些辅助函数，如采样函数和从二维高斯分布中采样的函数。这些函数对于评估模型在测试集上的性能非常关键，特别是在生成轨迹预测方面。这些函数通过测试辅助脚本（test.py）中的 Test 函数被调用。

import torch
from torch.autograd import Variable
from grid import getSequenceGridMask, getGridMaskInference
import numpy as np

# 采样函数
def sample(nodes, nodesPresent, grid, args, ne