Bench2DriveZoo 开源项目使用教程

Bench2DriveZoo 开源项目使用教程

Bench2DriveZoo 项目地址: https://gitcode.com/gh_mirrors/be/Bench2DriveZoo

1. 项目介绍

Bench2DriveZoo 是一个开源项目，它包含了 BEVFormer、UniAD 和 VAD 在 Bench2Drive 中的训练、开环评估和闭环评估代码。所有这些模型都是世界模型强化学习教师模型 - Think2Drive 的学生模型。项目合并了 UniAD 和 VAD 的多个依赖项，包括 mmcv、mmseg、mmdet 和 mmdet3d（v0.17.1），成为一个单一库，支持最新的 PyTorch 和高级框架如 deepspeed 进行加速。

2. 项目快速启动

环境准备

在开始之前，请确保您的系统中已安装以下依赖项：

• Python 3.x
• PyTorch
• mmcv
• mmseg
• mmdet
• mmdet3d

您可以使用以下命令安装必要的 Python 包：

pip install torch torchvision torchaudio
pip install mmcv mmseg mmdet mmdet3d

克隆项目

使用 Git 克隆 Bench2DriveZoo 仓库：

git clone https://github.com/Thinklab-SJTU/Bench2DriveZoo.git
cd Bench2DriveZoo

配置数据集

根据您的数据集，修改 data 目录下的相应配置文件，确保数据集的路径和格式正确。

训练和开环评估

切换到对应的分支（例如 tcp/admlp），然后运行以下命令开始训练：

python train.py --config_path /path/to/config/file

训练完成后，您可以使用以下命令进行开环评估：

python eval.py --config_path /path/to/config/file

闭环评估

在 CARLA 中进行闭环评估，您需要首先确保已安装 CARLA 模拟器，并正确设置环境。然后，运行以下命令：

python closed_loop_eval.py --config_path /path/to/config/file

3. 应用案例和最佳实践

案例一：使用预训练模型

项目提供了多个预训练模型，您可以直接使用它们进行评估或作为起点进行进一步训练。在 results 目录中，您可以找到不同模型的配置文件和预训练权重。

案例二：自定义模型开发

在 team_code 目录中，您可以找到示例代码，这些代码展示了如何根据您的需求自定义模型和评估流程。

4. 典型生态项目

Bench2DriveZoo 项目的生态包括以下相关项目：

• Bench2Drive
• BEVFormer
• UniAD
• VAD

以上就是 Bench2DriveZoo 的使用教程。希望对您的项目开发有所帮助！

Bench2DriveZoo 项目地址: https://gitcode.com/gh_mirrors/be/Bench2DriveZoo