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。
  

• 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。
  
• 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。
  
• 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。
  
• 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 >