DonkeySim挑战赛
DonkeySim挑战赛
- 如果不使用神经网络的参赛者仅需看第4与第5部分内容!
- 1.0 DonkeyCar的安装
- 1.1安装miniconda Python 3.7
- 1.2安装git 64 bit
- 1.3创建项目目录
- 1.4从Github获取最新的Donkeycar
- 1.5更换国内源
- 1.6更新与删除
- 1.7创建Python Anaconda环境
- 1.8安装Tensorflow GPU(可选)
- 1.9创建工作目录
- 2.0安装DonkeySim
- 3.0修改相应文件
- 3.1修改dtypes.py
- 3.2修改train.py文件
- 4.0 DonkeySim模拟器的使用
- 4.1下载DonkeySim模拟器
- 4.2设置验证
- 4.3获取自己的训练数据
- 4.4训练模型
- 4.5评估模型
- 5.0 DonkeySim挑战赛
- 5.1 DonkeySim挑战赛类别
- 5.2 DonkeySim参赛者提交文件
- 5.2.1选手与作品简介
- 5.2.2数据文件
- 5.2.3视频文件
- 5.3 DonkeySim挑战赛评比方式
- DonkeySim挑战赛群
- QQ:913557234
如果不使用神经网络的参赛者仅需看第4与第5部分内容!
1.0 DonkeyCar的安装
1.1安装miniconda Python 3.7
安装miniconda Python 3.7 64位。
安装方法参见:Windows 10下安装Miniconda3
1.2安装git 64 bit
安装git 64 bit。
安装方法参见:GIT -2.18.0-64.bit 的安装与使用
1.3创建项目目录
- 从开始菜单启动Anaconda Prompt
- 创建并更改为您希望用作项目的目录
C:\Users\adminitrator>d:
D:\>mkdir projects
D:\>cd projects
1.4从Github获取最新的Donkeycar
git clone https://github.com/autorope/donkeycar
cd donkeycar
git checkout master
1.5更换国内源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config --set show_channel_urls yes
1.6更新与删除
conda update -n base -c defaults conda
conda env remove -n donkey
1.7创建Python Anaconda环境
conda env create -f install\envs\windows.yml
conda activate donkey
pip install -e .[pc]
1.8安装Tensorflow GPU(可选)
如果你有NVidia卡,你应该更新到最新的驱动程序并安装Cuda SDK。
conda install tensorflow-gpu==1.13.1
1.9创建工作目录
donkey createcar --path D:/mycar
安装keras-vis
pip install keras-vis
2.0安装DonkeySim
d:
cd projects
git clone https://github.com/tawnkramer/gym-donkeycar
conda activate donkey
pip install -e gym-donkeycar
3.0修改相应文件
3.1修改dtypes.py
文件位置:D:\Miniconda3\envs\donkey\lib\site-packages\tensorflow\python\framework\dtypes.py。
修改dtpes.py文件的第526~530、535行。
原:
_np_qint8 = np.dtype([("qint8", np.int8, 1)])
_np_quint8 = np.dtype([("quint8", np.uint8, 1)])
_np_qint16 = np.dtype([("qint16", np.int16, 1)])
_np_quint16 = np.dtype([("quint16", np.uint16, 1)])
_np_qint32 = np.dtype([("qint32", np.int32, 1)])
np_resource = np.dtype([("resource", np.ubyte, 1)])
修改为:
_np_qint8 = np.dtype([("qint8", np.int8, (1,))])
_np_quint8 = np.dtype([("quint8", np.uint8, (1,))])
_np_qint16 = np.dtype([("qint16", np.int16, (1,))])
_np_quint16 = np.dtype([("quint16", np.uint16, (1,))])
_np_qint32 = np.dtype([("qint32", np.int32, (1,))])
np_resource = np.dtype([("resource", np.ubyte, (1,))])
3.2修改train.py文件
文件位置:D:\projects\gym-donkeycar\examples
\supervised_learning\train.py
修改train.py文件的第29行:
原:
matplotlib.use('Agg')
修改为:
matplotlib.use('TkAgg')
4.0 DonkeySim模拟器的使用
4.1下载DonkeySim模拟器
从Donkey Gym Release下载并解压主机PC平台上可运行的模拟器(DonkeySimWindows.zip)。
将模拟器放在合适的位置。如:~/projects/DonkeySimWindows。
可使用游戏杆/键盘手动驾驶、自动驾驶还可使用训练好的神经网络驾驶,运行界面如下:
选择窗口大小,点击“Play!”进入。
点击“Log dir”可设置记录数据目录。
在主界面点击“Generated Track”,进入我们挑战赛的赛道环境。
可以选择右侧的各种驾驶模式。
这是速度、转向和PD参数设置界面,在自动驾驶时,要设置这些参数,取得好成绩。
4.2设置验证
打开Anaconda Prompt。
使用示例模型来验证设置。
conda activate donkey
d:
cd projects\gym-donkeycar\examples\supervised_learning
python evaluate.py --model=models/example_model.h5
启动“DonkeySim”环境。单击“NN Control over Network”按钮。
4.3获取自己的训练数据
现在,你可以尝试根据自己的数据来训练自己的模型。
在模拟器中,按“Exit”进入主菜单。
单击“log dir”按钮并指定一个日志目录以保存数据。例如,你可以选择d:/projects/gym-donkeycar/examples/supervised_learning/log文件夹。
选择Generated Track环境。
单击“Auto Drive w Rec”或“Joystick/Keyboard w Rec”。记录约1万个样本(一圈以上)。查看左下角以查看日志计数。
完成后,单击“Stop”。
4.4训练模型
conda activate donkey
d:
cd projects\gym-donkeycar\examples\supervised_learning
python train.py --inputs=log/*.jpg --model=models/model.h5
模型结构可根据自己需要进行修改。
取消train.py文件的第208行注释,显示模型信息。
修改models.py文件(可设置学习率):
在第7行增加:
from tensorflow import keras
第57行修改为:
model.compile(optimizer=keras.optimizers.Adam(lr=0.0001), loss='mse', metrics=['acc'])
4.5评估模型
conda activate donkey
d:
cd projects\gym-donkeycar\examples\supervised_learning
python evaluate.py --model=models/model.h5
启动模拟器。选择Generated Track环境。单击“NN Control over Network”。
5.0 DonkeySim挑战赛
5.1 DonkeySim挑战赛类别
参加DonkeySim挑战赛的车必须连续不间断跑3圈以上,小车不能压到草坪,不能撞到障碍物,挑战赛共分为三大类:
- 游戏杆/键盘驾驶(Joystick/Keyboard)
- 自动驾驶(Auto Drive)
- 神经网络驾驶(NN Control over Network)
5.2 DonkeySim参赛者提交文件
参加DonkeySim挑战赛的选手,参赛作品必须提交以下文件、数据和视频。
5.2.1选手与作品简介
- 年龄和性别要真实(便于以后进一步的赛果分类),其他介绍可自由发挥;
- 参赛者首先应根据已公开(如该类别没有人提交或提交数少于10个)的其他参赛者提交的文件自行进行测试对比,成绩在前十名之内的即可提交,否则请不要提交。
5.2.2数据文件
- 自行测试成绩以文本文件方式提交;
- 数据要真实,不得人为编辑修改;
- 游戏杆/键盘驾驶参赛者提交压缩的原始数据记录(log)文件;
- 自动驾驶参赛者提交压缩的原始数据记录(log)文件和速度/转向/PD参数截图;
- 神经网络驾驶参赛者提交文件:
- 压缩的原始训练数据记录(log)文件
- D:\projects\gym-donkeycar\examples\supervised_learning目录下的conf.py和models.py文件
- D:\projects\gym-donkeycar\examples\supervised_learning\models目录下的model.h5和model.h5loss.png文件
5.2.3视频文件
- 游戏杆/键盘驾驶与自动驾驶参赛者提交原始数据记录(log)文件转成的.mp4格式文件,转换方法如下:
- 首先将DonkeySim内要转换为视频的记录数据(log),复制到D:\mycar\logs文件夹下,并运行下列命令:
conda activate donkey
d:
cd mycar
donkey makemovie --tub=D:\mycar\logs\log --out=log_movie.mp4
- 输出文件名为log_movie,mp4
- 神经网络驾驶参赛者视频文件的提交是可选的,也必须是.mp4格式的视频文件,请自行用合适的办法解决(参赛者如有好的方法,请共享出来,让大家享用)。
5.3 DonkeySim挑战赛评比方式
DonkeySim挑战赛公开参赛者提交的所有文件,采用自测与公示的方式进行评比,比赛成绩及时更新。比赛规则根据实施情况,听取大家的意见,不定时的更新,所有的原始数据尽量可靠的保存。
DonkeySim挑战赛群
QQ:913557234
DonkeySim挑战赛相关推荐
- 2021 年第十一届 MathorCup 高校数学建模挑战赛A题分析
2021 年第十一届 MathorCup 高校数学建模挑战赛A题分析 题目:自动驾驶中的车辆调头问题 问题分析 前言 综述 问题一分析 问题二分析 问题三分析 问题四分析 问题五分析 问题六分析 题目 ...
- 用AI创造可持续发展社会价值,第二届腾讯Light·公益创新挑战赛正式启动
12月23日,"创变者"2021年度腾讯Light论坛在厦门正式举办.在论坛上,由全国妇联宣传部指导,腾讯公司联合中国儿童中心主办,企鹅伴成长.腾讯华东总部.腾讯SSV创新办学实验 ...
- 首场见习挑战赛倒计时3天!20000元奖学金瓜分就等你了!
CSDN软件开发精英赛是基于"C认证-软件工程师能力认证考试"而设立的编程比赛,大赛联合广大科技企业设置丰厚礼品及30万元奖学金.从7月22日官宣到今日,短短一个月内,大赛已经吸引 ...
- 2021 EdgeX中国挑战赛盛大开幕,英特尔赋能开发者,助力创新方案落地
2021年7月12日,北京中关村论坛隆重举行.论坛上,英特尔研究院副总裁.英特尔中国研究院院长宋继强博士,北京市科委.中关村管委会高科技产业促进中心主任徐剑发表致辞并联合Linux基金会.VMware ...
- 用AI打造科技公益新模式,腾讯发起公益创新挑战赛,聚焦三大社会问题
近日,由腾讯基金会.企鹅伴成长.腾讯优图实验室.腾讯云AI.腾讯云开发联合发起的腾讯Light·公益创新挑战赛在三亚宣布正式启动.本次比赛以"AI,让美好现在发生"为主题,与联合国 ...
- 五项挑战获四项第一,地平线霸榜Waymo自动驾驶算法挑战赛
美国当地时间6月15日,Alphabet(Google母公司)旗下的自动驾驶公司Waymo在CVPR 2020自动驾驶Workshop上揭晓Waymo开放数据集挑战赛的结果,边缘AI芯片企业地平线斩获 ...
- COCO 2019挑战赛,旷视研究院拿下三项计算机识别冠军 | ICCV 2019
出品 | AI科技大本营(ID:rgznai100) 10月27日,两年一度的国际计算机视觉大会ICCV 2019(InternationalConference on Computer Vision ...
- 挑战弱监督学习的三大热门问题 AutoWSL2019挑战赛正式开赛
AutoWSL2019作为11月17-19日亚洲机器学习大会(ACML)主会议竞赛单元之一,由第四范式.ChaLearn.RIKEN和微软联合举办,其中竞赛分享和颁奖将与大会WSL-Workshop共 ...
- 首届中文NL2SQL挑战赛:千支队伍参赛,国防科大夺冠
(图片由AI科技大本营付费下载自视觉中国) 整理 | Jane 出品 | AI科技大本营(ID:rgznai100) [导语]10月12日,追一科技主办的首届中文NL2SQL挑战赛在激烈的决赛中落下帷 ...
最新文章
- 重启网卡服务_Linux下查看不到物理网卡配置
- 信息系统项目管理师-常用技术标准考点笔记
- C++学习笔记30:模板与型式参数化
- maven优化-repositories,dependencyManagement,pluginManagement
- Ubuntu设置环境变量并立即生效
- DataFountain新上计算机视觉比赛-20万巨奖数钢筋
- 仿分词统计的MapReduce 程序。
- c++判断一个字符串里面有特殊符号_简单动态字符串(SDS)
- MAC下 安装sqlmap教程
- 处理Simulink的代数环的方法为逐个添加一阶惯性环节
- 2019 ICPC 徐州网络赛
- 数据挖掘考前30分钟必看(2.0版本)
- AutoCAD.NET API2018二次开发第二十章
- 3天(从策划到上线传播)获客10w+| 小程序拉新活动范例
- 110配线架打法图解_110配线架打法图解 110配线架图片
- Datadog数据包分析
- 远程调用-Sun RPC
- confluence
- proxmox 控制台无法连接_Proxmox VE网络配置
- argo workflow 部署
热门文章
- 【愚公系列】2023年03月 Java教学课程 070-HTTP协议
- 从DWG导入SKP的准备工作
- 电脑灯不亮,电脑显示灯不亮原因有哪些 电脑显示灯不亮解决方法
- bugtrap microsoft 默认崩溃提示框_iPad与Surface的对决Apple和Microsoft趋于融合
- 什么是发明专利?发明专利查询的方法有哪些?
- python调用微信客户端_python模拟微信客户端打开链接Python Logging 模块研究
- java管理系统界面_java编程实现一个学生信息管理系统的图形界面
- 局域网中资源共享(高级共享)
- Java周总结之面对对象
- 计算机编程软文,做一名程序员我不忘初心