[关闭]
@Pigmon 2017-09-29T09:25:02.000000Z 字数 1362 阅读 887

Udacity Self-driving Car Simulator 体验指南

实习


除了项目本身文档外,主要参考了:
Google工程师:从零开始学习无人驾驶技术 ——端到端无人驾驶
下面是我认为被我简化了很多的操作指南。

1. 直接体验训练效果

摘要

  • 下载 Udacity 提供的已经编译好的模拟器可执行文件
  • 下载 < 夏飞 > 训练的模型参数
  • 运行后台python程序————运行模拟器————选择 Autonomous 并等几秒————自动驾驶开始。

相关资源

Keras

如果电脑中已经有了 Tensorflow,而没有安装 Keras,可以执行命令pip install keras -U --pre 来安装。

可执行模拟器

Windows 版本下载地址
Mac 版本下载地址
Linux 版本下载地址

夏飞的训练程序 github 主页

https://github.com/feixia586/zhihu_material/tree/master/car_end2end
相关文档:
Google工程师:从零开始学习无人驾驶技术 ——端到端无人驾驶

其中
model.h5
为存储神经网络结构和参数的 Pre-trained Model 文件。

drive.py
是 Udacity 提供的读取模型并后台运行 Predict 的程序。 (需要安装Keras)

model.py
这部分用不到。这个程序是该课程要求学生自行完成的定义卷积神经网络的结构,并读取训练生成的数据,执行训练,最后保存 model.h5 文件的程序。当前 github 主页的版本为 < 夏飞 > 自己实现的版本。

运行步骤

  • 在 drive.py 和 model.h5 所在的目录下打开命令行。
  • 输入 python drive.py model.h5
    此处可能会因为多个import的包不存在而报错,可以执行以下命令安装:
    pip install python-socketio
    pip install eventlet
    pip install flask

    可能您的环境中还有其他缺失的包。

  • 等待tensorflow 初始化的log输出完成后,打开可执行模拟器。如下图所示。CONTROLS 按钮可以进入输入方法说明界面。
    UdaSim1.PNG-973.7kB

  • 选择 ‘AUTONOMOUS MODE’,稍等几秒,自动驾驶就会开始执行。

2. 自己定义并训练模型

2.1 生成训练数据

  • 打开可执行的模拟器程序,选择 'Trainning Mode'
  • 进入关卡后,点击右上角的 ‘Record’ 按钮,或者键盘的 R 键。
    UdaSim5.png-131.6kB
  • 第一次会要求选择训练数据的存储目录
    注意! 选好以后,不要着急开车,因为此时并没有进入 Record 状态,需要再点一次 Record 按钮。
    UdaSim3.PNG-1070.5kB
  • 再次点击 Record 按钮,看到 Record 按钮变成暂停图标样式后,代表程序已经开始记录训练数据了,这时就可以开车了。
    UdaSim4.png-165.3kB
  • 想要结束录制,只需要再次点击 Record 按钮。

2.2 训练数据简要说明

结束训练后,在刚刚指定的目录里会生成一个 IMG 目录,一个 driving_log.csv 文件。

  • IMG 目录中是所有的截图(每个时刻3张图,对应左前,中前,右前3个摄像机的图像);
  • csv 文件是各个时刻3个截图的文件路径,以及依次为:转角,油门强度,刹车强度,瞬时速度 这4个特征在该时刻的数值,作为监督训练的标注数据。

2.3 训练

(待补充)
可以先从修改 <夏飞> 的 model.py 中的神经网络结构或参数等开始熟悉后台的程序。

2.4 执行测试

参考第一部分 < 直接体验训练效果 >

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注