检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
创建用户并授权使用服务 如果您需要对您所拥有的Octopus进行精细的权限管理,您可以使用统一身份认证服务(Identity and Access Management,简称IAM),通过IAM,您可以: 根据企业用户的职能,设置不同的访问权限,以达到用户之间的权限隔离。 如果华
标注镜像Dockerfile示例 一般情况下,引擎主要包含预标注算法或预审核算法运行所需要的基本依赖环境,用户也可将预标注算法或预审核算法包内置在AI引擎中。 用户可使用命令行模式或Dockerfile模式进行构建。 以预标注自定义镜像为例,一般的镜像制作Dockerfile示例如下(xxx替换为实际路径):
[CDATA[<SimCtrl><Stop/></SimCtrl>]]></SCP > </Action> ... </Scenario> 为了到达终点的评测,一般建议延迟5s执行,等待评测检测成功。此处对应前文中的DelayTime。 xosc类型场景,OpenSCENARIO 1.0版本如下: Read
请确保基础镜像内包含上述软件且能通过PATH找到。 一般情况下,训练与评测定义为同一个引擎,主要包括算法或评测脚本运行所需要的基本依赖环境。用户可使用命令行模式或Dockerfile模式进行构建。以训练、评测镜像为例,一般的镜像制作Dockerfile示例如下(xxx替换为实际路径):
数据集镜像Dockerfile示例 本章节介绍Dockerfile示例。 用户可使用命令行模式或Dockerfile模式进行构建。 以数据集自定义镜像为例,一般的镜像制作Dockerfile示例如下: 数据集镜像不支持调用GPU资源。 # 载入基础镜像,用户可手动制作或拉取官方镜像 FROM registry-cbu
场景管理分类设计使用逻辑 场景管理提供所有仿真场景、测试用例和泛化场景的管理功能,用户可上传符合平台规范的自定义场景,也可将场景下载至本地开发。Octopus平台自研场景标签分类体系,从多维度深层次科学分类场景。仿真场景库可自建仿真场景库,集合相同场景格式的不同条件仿真场景,检验在特定条件下仿真算法控制质量。
训练任务:用户选择训练算法和训练数据集创建训练任务进行训练。 模型评测:负责管理评测脚本、评测任务和评测对比任务。 编译管理:包含编译任务和编译镜像。训练产生的模型版本,一般不可直接被车载芯片识别,需要经过编译工具,模型编译成车载芯片识别的产物。 推理服务:将模型部署为在线服务进行推理。 父主题: 训练服务
处理界面。 收集信息 车辆名称、标定ID、驾驶模式、采集站点、驾驶路线、采集时间、和总数据量以及各类传感器采集的数据量。 如果数据包异常,一般是由于与数据包同名的yaml文件配置错误,可参照与数据包同名的yaml配置文件说明 ,修改文件内容,再次创建数据收集任务。 数据处理算子未运行完毕,不可回放。
{image-id-or-name} bash在容器内依次执行命令后commit为新的镜像。 或者采用dockerfile构建,参考如下: # 1、查看算法依赖,一般需要考虑使用的ubuntu版本、cuda版本、cudnn版本 FROM xxx/cuda:11.3.1-cudnn8-devel-ubuntu20
请确保基础镜像内包含上述软件且能通过PATH找到。 一般情况下,训练与评测定义为同一个引擎,主要包括算法或评测脚本运行所需要的基本依赖环境。用户可使用命令行模式或Dockerfile模式进行构建。以训练、评测镜像为例,一般的镜像制作Dockerfile示例如下(xxx替换为实际路径):
权限管理 Octopus自动驾驶云服务支持用户对其进行细粒度的权限配置,以达到精细化资源、权限管理之目的。 为了支持客户对Octopus的权限做精细化控制,提供了3个方面的能力来支撑,分别是:权限、委托和工作空间。下面分别讲解。 理解Octopus的权限与委托 如果您需要对华为云
struct类型,又称结构类型,是一种由简单类型(例如int、float、string类型,scalar类型,简单的struct类型等)构建的复杂类型,一般用于表示抽象的道路结构,与地图文件中的具体的道路结构建立关联。osc2.0支持的struct类型有:odr_point、position_
l标准比较复杂,需要对一些评测函数的细节进行介绍。 point_type:是一个PointType的枚举类型,表示该子类指标发生特殊状态(一般是指发生异常)时的时刻点用哪种形式存储起来。目前Octopus使用的PointType共有以下4种类型: 表1 PointType类型 类型
pe赋值为SUBTYPE_UNSPECIFIED。 point_type:是一个PointType的枚举类型,表示该子类指标发生特殊状态(一般是指发生异常)时的时刻点用哪种形式存储起来。 其中PointType共有5种类型,参考PointType。 Points:是repeated
训练环境,实现高效的分布式训练。 八爪鱼自动驾驶平台支持多种规格,用户可根据当前底座资源选择对应加速卡节点。同时,支持用户自定义资源规格,一般而言,通用训练用途下,推荐使用8机8卡(共计64卡)规模训练中小型或部分大模型,CPU和内存可酌情设置。 八爪鱼训练任务中使用分布式训练时
创建和文件上传。 表1 内置标签列表 场景挖掘方式 场景分类 子类 标签 内置场景挖掘规则 道路 道路环境 高速 城市快速路 城市主干道 一般道路 小区内部路 乡村道路 停车位 道路行驶阶段 驶入路口 驶出路口 道路中行驶 上匝道 下匝道 匝道中行驶 匝道分流 匝道合流 交通规则
车道线图片标注任务 车道线图片标注任务是指依据标注规范对真实路采图片中出现的道路中的车道线、斑马线等交通线路进行标注,一般区分实线、虚线,按需求增加颜色、遮挡程度等额外属性。 图1 车道线图片标注任务 绘制对象 单击车道线标注任务,选择一张图片进入人工标注。 绘制对象。 单击左侧
}, "tags" : [ "接管", "大客车", "停车位", "小区内部路", "乡村道路", "卡车", "一般道路", "轿车" ], "custom_attributes" : [ "city:tencent", "city:sunny"
y 道路---道路环境---城市主干道 检验规格: 包含高精地图信息 主车行驶区域road级别type为town 道路---道路环境---一般道路 检验规格: 包含高精地图信息 主车行驶区域road级别type为unknown 道路---道路环境---小区内部路 检验规格: 包含高精地图信息
点),修正多边形。在多边形区域未包含的前景区域左键单击正点,修正多边形。 重复单击正或负点,修正预测的多边形,直到多边形达到较好的效果。 一般情况下,单击3-5个点即可达到较好效果,如果超过10个点还未达到较好效果,则此对象的此次交互式标注基本无效,建议退出。 再次单击快捷键“z”键,可退出目标对象的交互式标注模式,