首先安装miniconda环境
wget https://repo.anaconda.com/miniconda/Miniconda3-py39_23.3.1-0-Linux-x86_64.sh
bash ./Miniconda3-py39_23.3.1-0-Linux-x86_64.sh
然后创建一个文件夹来放置你的Donkeycar
mkdir projects
cd projects
从github上下载最新的donkeycar:eg:从终端下载
git clone https://github.com/autorope/donkeycar
cd donkeycar
git checkout main
或者直接下载安装包解压到这个文件夹中
如果这不是第一次安装,请更新 Conda 并删除旧驴(第一次安装请跳过)
conda update -n base -c defaults conda
conda env remove -n donkey
安装:
cd donkeycar#有的叫donkeycar-main等
conda install mamba -n base -c conda-forge
mamba env create -f install/envs/ubuntu.yml
conda activate donkey
pip install -e .[pc]
如果您有 NVidia 卡,则应更新到最新的驱动程序并 安装 Cuda SDK
conda install cudatoolkit=11 -c pytorch
创建本地工作目录:
donkey createcar --path ~/mycar
下载并解压缩主机 PC 平台的模拟器 从 Donkey Gym Release 。
将模拟器放在您喜欢的位置。对于此示例,它将是 ~/projects/DonkeySimLinux
设置 DonkeyGym:
cd ~/projects
git clone https://github.com/tawnkramer/gym-donkeycar
cd gym-donkeycar
conda activate donkey
pip install -e .[gym-donkeycar]
编辑 myconfig.py 以启用驴健身房模拟器包装器,将 <user-name>
以及路径的其他部分
DONKEY_GYM = True
DONKEY_SIM_PATH = "/home/<user-name>/projects/DonkeySimLinux/donkey_sim.x86_64"
DONKEY_GYM_ENV_NAME = "donkey-generated-track-v0"
驾驶
cd mycar/
python manage.py drive
训练
donkey train --tub ./data --model models/mypilot.h5
测试
python manage.py drive --model models/mypilot.h5
当训练效果不好时,我们可以利用训练好的模型反复训练
donkey train --tub=<tub_path> [--config=<config.py>] [--model=<model path>] [--type=(linear|categorical|inferred)] [--transfer=<transfer model path>]
eg:
donkey train --tub ./data --model models/train11103.h5 --transfer models/train11102.h5
- 使用来自
--tub
数据存储。 您可以使用逗号分隔列表指定多个浴缸--tub=foo/data,bar/data
或者只是留下像这样的空间--tub foo/data bar/data
。 - 使用来自
--config
路径(可选) - 将模型保存到
--model
。如果省略,则自动生成模型名称。 注意: 在版本 4.2 中有一个回归,您只需在模型参数中提供模型名称,例如--model mypilot.h5
。此问题已在版本 4.2.1 中得到解决。请更新到该版本。 - 使用模型类型
--type
- 允许继续训练由以下公式给出的模型
--transfer
- 支持使用变量中定义的函数筛选记录
TRAIN_FILTER
在myconfig.py
文件。例如
def filter_record(record):
return record.underlying['user/throttle'] > 0TRAIN_FILTER = filter_record