nieji3057的博客

小白一个,刚开始学习,将自己的学习过程做一个记录,希望大佬多多指点!目录制作数据集训练测试制作数据集数据集图片335张,使用6:2:2方式将训练:验证:测试数据集数量分别分为200:70:65,具体的数据集制作可以参考之前的博客使用脚本进行数据集制作.├── clip_jsons│├── test│├── train│└── valid└── clips ├── test ├── train └── valid├──...

转TorchScript模型首先将训练完成的pytorch模型进行转换,转换为TorchScript格式模型.转换程序如下:from model.model import parsingNetfrom utils.common import merge_configfrom utils.dist_utils import dist_printimport torchif __name__ == "__main__": torch.backends.cudnn.benchma

将ufld训练的pytorch模型转换成TRT格式模型使用tensorrt加速运行，目前只完成了使用python版本测试使用，后续会继续探索部署到 nvidia xavier,使用C++完成整个部署流程。主要参考大神写的工具：https://github.com/KopiSoftware/TRT_Ultra_Fast_Lane_Detect目录环境安装转模型测试环境安装首先需要安装UFLD官方指导中要求的环境以及上边TRT项目中要求的环境，另外需要安装Tensorrt环境

训练过程主要参考官方项目的README.md文件和INSTALL.md文件本次使用Tusimple数据集格式进行训练制作数据集首先标注数据集，制作过程参照之前的博客，标注完成后分成训练集和测试集; 制作数据集，这里参照官方指导进行,主要是生成分割图像;For Tusimple, the segmentation annotation is not provided, hence we need to generate segmentation from the json annotatio

制作自己的TuSimple数据集