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
步骤二:创建仿真算法 添加算法 在左侧菜单栏中单击“仿真服务 > 算法管理”。 单击“新建算法”,填写算法基本信息。 图1 新建算法 请根据实际情况自定义填写,其中带“*”为必填项。 算法类型:固定为“容器镜像”。 算法名称:只能包含数字、英文、中文、下划线、中划线,不得超过64个字符。
与datahub对接的算法镜像制作 图1 算法镜像 如上图所示,算法与仿真平台datahub通过grpc连接,通过接收osi数据作为输入,并将算法内部信号输出到datahub。 仿真平台可以生成仿真的osi和算法pb,用于3d回放展示和算法的白盒化评测。 具体grpc连接data
算法管理 训练算法 算法文件说明 父主题: 训练服务
算法管理 算法创建 算法详情 父主题: 仿真服务
查看算法详情。 算法新建后,在“算法列表”可以查看新建的算法,单击指定“算法名称”,可以查看算法的基本信息和算法详情。 算法列表相关操作 表1 算法列表相关操作 任务 操作步骤 搜索算法 在搜索框中输入关键字搜索相关算法。支持通过算法名称和算法ID搜索。 查看算法详情 单击算法名称,即可查看算法详情页。
下载”,即可下载算法。 在线编辑 单击在线编辑栏的“在线编辑”,可在线编辑算法文件,具体请参考在线编辑算法。 在线编辑算法 平台提供算法编辑器,在创建成功的算法名称后单击“在线编辑”,或单击算法详情页右上角的“算法编辑”,进入该算法的在线编辑页面。界面左侧显示的是该算法包内的所有算法文件,
算法详情 基本详情 单击指定算法名称,可以查看算法的基本信息、算法详情、任务配置以及镜像版本等信息。 任务配置 当创建任务配置时,如果关联了算法配置,则在算法详情页,会展示此算法关联的批量仿真的任务配置信息,在此模块还可进行以下操作。 表1 任务配置相关操作 任务 操作步骤 搜索任务配置
训练算法 添加自定义算法 添加自定义算法流程为“初始化训练算法 > 选择训练算法文件 > 上传训练算法文件”。具体操作步骤如下: 在左侧菜单栏中单击“训练服务 > 算法管理”。 单击“新建训练算法”,填写算法基本信息。 图1 新建训练算法 名称:包含中英文、数字、“_”“-”,不得超过64个字符。
算法文件说明 上传到Octopus平台的本地算法文件包需要满足Octopus平台要求,本章节介绍算法文件基本要求及相关环境变量说明。 算法文件基本要求 算法文件目录结构可参考如下,需要包括启动文件“xxx.py”(启动文件名可自定义),以及一些必要的训练文件。 启动文件(必选) 算法的启动文件,直接填写相对路径,如
评测算法的自研proto接口 背景 Octopus内置一套评测算法,用于对自动驾驶系统的性能表现进行多维度评测。内置评测算法的评测结果按照eva.proto中的定义,序列化成pb文件保存起来。 Octopus仿真平台的前端通过解析评测pb对评测结果进行展示,目前控制台展示主要分为两大方面:
增加算法测试的里程数。 获取并配置算法实际资源占用 创建仿真算法时,需要填写算法镜像占用的CPU以及内存。这个将影响批量仿真子任务的资源调度,在相同资源情况下,算法资源配置越高,同时运行的任务数越少,因此尽可能配置实际资源占用,可以提高集群的利用效率。 先在本地启动算法容器,等
仿真器版本 选择仿真器镜像时,选择仿真器镜像后,需要配置仿真器版本。 算法配置 仿真任务支持用户使用内置算法,用户也可选择自研控制算法。 如果使用自定义算法,请选择在“算法管理”中创建成功的仿真算法。自定义仿真算法创建请参考算法创建。如果不选择,则默认使用仿真器内置驾驶员模型。 如果选择“
仿真器版本 选择仿真器镜像时,选择仿真器镜像后,需要配置仿真器版本。 算法配置 仿真任务支持用户使用内置算法,用户也可选择自研控制算法。 如果使用自定义算法,请选择在“算法管理”中创建成功的仿真算法。自定义仿真算法创建请参考算法创建。如果不选择,则默认使用仿真器内置驾驶员模型。 如果选择“
输出的结果,支持用户自定义评测指标输出为Octopus的评测pb格式,从而在前端进行展示。 算法pb下载:任务运行成功后,用户可以下载算法pb文件。算法pb文件包含感知、规控、定位等算法信息。 信号查看器:在已完成的任务中,在任务详情页,单击操作栏中的“信号查看器”,页面跳转至信
输出的结果,支持用户自定义评测指标输出为Octopus的评测pb格式,从而在前端进行展示。 算法pb下载:任务运行成功后,用户可以下载算法pb文件。算法pb文件包含感知、规控、定位等算法信息。 信号查看器:在已完成的任务中,在任务详情页,单击操作栏中的“信号查看器”,页面跳转至信
口或线下IDE中进行交互式的算法或模型的开发和调试。 创建开发环境时可以通过挂载的方式,便捷的访问平台的对象,如算法、模型和数据集。同时支持访问同区域自己的对象存储或外网资源,进行测试数据的导入、开源代码的拉取、三方依赖的安装等操作。极大的提升了算法调试的效率,并保证了和训练任务所使用的的环境和算力的一致性。
多关注底层资源,聚焦算法和模型开发。用户可上传符合Octopus平台规范的训练算法,使用成熟的算法创建训练任务生成训练模型。此外,训练服务提供多种模型评测指标,从多维度衡量模型质量。让自动驾驶研发更便捷。训练服务的开发流程如下: 训练服务操作引导如下: 算法管理:负责管理用户上传的符合平台规范的算法。
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镜像仓库的镜像中。 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:
选择仿真器镜像时,选择仿真器镜像后,需要配置仿真器版本。 算法配置。 仿真任务支持用户使用内置算法,用户也可选择自研控制算法。 算法配置:如果使用自定义算法,请选择在算法管理中创建成功的仿真算法。自定义仿真算法创建请参考算法创建。如果不选择,则默认使用仿真器内置驾驶员模型。 使用D
评分方案介绍 Octopus评测指标共有30多项大类指标,当规控算法未通过某些评测指标后,评测分数应能反映算法的性能表现。 本设计根据指标的重要程度将其分为三大类: 主要指标(以下简称A类)。 次要指标(以下简称B类)。 未定义重要度指标(以下简称C类)。 本设计提供如下三种内置的评分方案: