M2I 项目使用教程
1. 项目的目录结构及介绍
M2I 项目的目录结构如下:
M2I/
├── src/
│ ├── run.py
│ ├── config/
│ │ └── conditional_pred.yaml
│ └── ...
├── data/
│ └── validation_interactive/
│ └── ...
├── output/
│ └── ...
├── README.md
└── ...
目录结构介绍
- src/: 包含项目的源代码,主要逻辑和启动文件。
- run.py: 项目的启动文件,用于执行预测任务。
- config/: 包含项目的配置文件,如
conditional_pred.yaml
。
- data/: 存放项目所需的数据文件,如
validation_interactive/
目录。 - output/: 存放项目运行后的输出结果。
- README.md: 项目的说明文档,包含项目的基本介绍和使用方法。
2. 项目的启动文件介绍
启动文件:src/run.py
run.py
是 M2I 项目的启动文件,用于执行预测任务。通过该文件,用户可以指定数据路径、输出路径、配置文件等参数,启动预测任务。
主要参数
--waymo
: 指定使用 Waymo 数据集。--data_dir
: 指定数据文件的路径。--output_dir
: 指定输出结果的保存路径。--config
: 指定配置文件的路径,如conditional_pred.yaml
。--relation_file_path
: 指定关系文件的路径。--relation_pred_file_path
: 指定关系预测文件的路径。--influencer_pred_file_path
: 指定影响者预测文件的路径。--future_frame_num
: 指定未来帧的数量。--eval_rst_saving_number
: 指定评估结果保存的数量。--eval_exp_path
: 指定评估结果的导出路径。
3. 项目的配置文件介绍
配置文件:src/config/conditional_pred.yaml
conditional_pred.yaml
是 M2I 项目的主要配置文件,用于配置预测任务的各项参数。
主要配置项
- hidden_size: 隐藏层的大小。
- train_batch_size: 训练批次的大小。
- sub_graph_batch_size: 子图批次的大小。
- core_num: 核心数量。
- other_params: 其他参数,如
l1_loss
,densetnt
,goals_2D
,enhance_global_graph
,laneGCN
,point_sub_graph
,laneGCN-4
,stride_10_2
,raster
,train_pair_interest
,save_rst
。 - dist: 分布参数。
- future_frame_num: 未来帧的数量。
- agent_type: 代理类型,如
vehicle
。 - nms: 非极大值抑制参数。
通过修改配置文件中的参数,用户可以自定义预测任务的行为和性能。
以上是 M2I 项目的基本使用教程,涵盖了项目的目录结构、启动文件和配置文件的介绍。希望这份文档能帮助你更好地理解和使用 M2I 项目。