AirSim学习笔记1:《端到端自动驾驶》AutonomousDrivingCookbook

AutonomousDrivingCookbook开箱即用手册

1. 介绍

基于微软AirSim模拟器的自动驾驶入门项目汉化版

项 目 地 址:https://gitee.com/zhoushimin123/autonomous-driving-cookbook
原项目地址:https://github.com/Microsoft/AutonomousDrivingCookbook

项目面向自动驾驶初学者、研究人员和行业专家。项目以jupter notebook作为载体,使用流行的开源工具(如Keras、TensorFlow等)构建,项目提供数据集、源代码、AirSim模拟器,以便于实现自动驾驶快速仿真。


2. 软件架构

目前,有以下教程:

  • 使用端到端深度学习的自主驾驶:AirSim教程
  • 分布式深度强化学习在自主驾驶中的应用
  • 以下教程不久将面世:
    • 基于深度学习的车道检测

3. 安装教程

3.1 安装运行环境

  • 切换conda国内安装源
    • Anaconda官方软件包更新速度太慢,建议配置国内软件源
      • 在Win操作系统用户目录下有一个.condarc文件,替换文件内所有内容
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
ssl_verify: true
  • 还原默认官方安装源
conda config --remove-key channels
  • 切换pip安装源
    • 永久配置pip安装源
      • 做如下配置后,无需再使用-i选项
pip install pip -U #升级 pip 到最新的版本后进行配置:
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
  • 还原默认pip安装源
pip config unset global.index-url
  • 安装依赖包
    • 创建conda虚拟环境
      为了减少其它库的冲突问题,强烈建立新建一个虚拟环境
# python版本务必选择3.6,否则运行过程中的冲突会让你怀疑人生
conda create -n airsim python=3.6
# 切换aisim虚拟环境
conda activate airsim
  • 使用InstallPackages.py安装依赖脚本
# 推荐使用命令运行脚本,IDE工具有时候选择的虚拟环境不对
python InstallPackages.py

注意事项:
因为项目过于久远,安装现在的依赖包会和代码冲突,因此需要指定版本安装解决这个问题,InstallPackages.py已经修改为对应的版本。

  • tensorflow==1.5.0
    • 安装tensorflow1.x版本,预防keras版本冲突问题
    • 需要安装特定版本1.5.0,否则报错:tensorflow_backend.py:64: The name tf.get_default_graph is deprecated. Please use tf.compat.v1.get_d
  • keras==2.1.2
    • 必须使用2.1.2版本,否则会报错:ValueError: `brightness_range should be tuple or list of two floats. Received: 0.0, https://github.com/microsoft/AutonomousDrivingCookbook/issues/89
  • tornado==4.5
    • 解决ZMQILoop和float变量*运算的问题
  • h5py==2.10.0
    • 解决警告问题
  • 如果vscode启动内核失败,则执行如下命令
conda install -n airsim ipykernel --update-deps --force-reinstall

至次环境搭建完毕。

4. 使用说明

4.1 下载模拟器

我们已经为本食谱中的教程创建了AirSim模拟环境的独立构建。您可以从这里下载构建包。考虑使用AzCopy,因为文件大小很大。

4.2 下载数据集

模型的数据集相当大。你可以从这里下载。第一个笔记本将提供关于如何访问数据的指导,一旦你下载了它。最后的未压缩数据集大小约为3.25GB(虽然与训练实际的自动驾驶汽车所需的千兆字节数据相比,这还不够,但对于本教程来说应该足够了)。

4.3 教程使用步骤

4.3.1 AirSimE2EDeepLearning端到端的深度学习

4.3.1.1 配置原始数据集目录和预处理后的数据集目录

打开DataExplorationAndPreparation.ipynb文件修改你的电脑上的实际目录

# << 配置下载的数据集目录 >>
RAW_DATA_DIR = 'data_raw/'

# << 配置预处理后(*.h5)的输出目录 >>
COOKED_DATA_DIR = 'data_cooked/'
4.3.1.2 配置Step1中的[配置预处理后(*.h5)的输出目录]和模型文件保存目录

打开TrainModel.ipynb修改如下目录

# << 配置前一步预处理好的数据集目录 >>
COOKED_DATA_DIR = 'data_cooked/'

# << 模型文件输出目录:随着梯度越来越小,模型会逐步更新 >>
MODEL_OUTPUT_DIR = 'model' # 不建议修改,保持默认即可
4.3.1.3 模型预处理、训练、推理预测及模拟器自动驾驶运行测试
  • 数据挖掘与准备
    依次执行DataExplorationAndPreparation.ipynb,完成数据预处理

  • 模型训练
    依次执行TrainModel.ipynb,完成模型训练

  • 启动AirSim模拟器

    • 启动Powershell
      第一次启动,用管理员权限打开Powershell shell,首先配置权限,否则会提示:禁止运行脚本
set-ExecutionPolicy RemoteSigned

以后启动powershell就不用管理员权限了。

  • 启动AirSim模拟器
    在Powershell中定位到模拟器安装位置AD_Cookbook_AirSim,执行如下命令启动
.\AD_Cookbook_Start_AirSim.ps1 landscape

landscape是数据集对应的场景,还有City、Hawii、Neighborhood三种场景。

  • 启动模型推理及自动驾驶
    • 执行TestModel.ipynb启动自动驾驶模拟
      • 注意事项:TestModel.ipynb有可能在连上AisSim模拟器的时候卡死,应该是vscode jupyter工具的问题,将代码摘出来,直接运行python文件即可运行Python版TestModel。

4.2 分布式强化学习

待添加

你可能感兴趣的:(自动驾驶,深度学习,自动驾驶,tensorflow)