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
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
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： 各个评测指标的通过/未通过/无效的结果展示。 仿真过程中关键数据的时间序列曲线图展示。 另外，对于用户自研的评测算法的评测结果，也可以按照eva.proto，序列化成pb文件保存起来，这样Octopus的仿真平台前端能够展示用户自研评测算法的评测结果。
linear：变化曲线是一个线性linear函数f(x) = f_0 +变化速率*x。 cubic：变化曲线是一个三次变迁Cubical transition函数f(x)=Ax3+B*x2+Cx+D，约束梯度在开始和结束时必须为零。 sinusoidal：变化曲线是一个正弦变迁Sinusoidal
总调用量、调用成功量、调用失败量。 在左侧菜单栏中单击“智驾模型服务”。 选择“服务监控”页签，按需求选择产品、监控项以及时间段。 界面以曲线图的形式显示API的总调用量、调用成功量、调用失败量。 图1 服务监控 父主题： 智驾模型服务
图路面显示或者隐藏。 数据图表 在数据回放过程中，数据图表以曲线的形式显示各个数据指标值变化情况。 选择“数据图表”页签，单击“添加图表”。 图2 添加图表 选择配置。 图3 选择配置 单击“确认”，左侧数据图表侧以曲线的形式展示数据。 图4 数据图表示意图 对比回放源 数据回放
基于平台上创建好的数据集，可对自定义算法或内置算法进行训练，并对生成的模型进行评估，也可进一步用于预标注。 模型评估 在建模过程中，由于偏差过大导致的模型欠拟合以及方差过大导致的过拟合的存在，因此需要一套评价体系，来评估模型的泛化能力。 在线仿真 仿真即通过软件模拟车辆行驶的路况和场景，不需要真实的环境和硬件
型参数根据给定的取值列表进行随机采样。 重要型采样 重要性采样是在优化目标边界附近进行采样，利用上一次泛化场景仿真后得到的评测分数进行训练拟合，找到边界后不断在边界附近进行采样。 图3 重要型采样 父主题： 仿真服务
型参数根据给定的取值列表进行随机采样。 重要型采样 重要性采样是在优化目标边界附近进行采样，利用上一次泛化场景仿真后得到的评测分数进行训练拟合，找到边界后不断在边界附近进行采样。 图3 重要型采样 采样结果 如下图1和图2所示，对于某个逻辑场景进行拉丁超立方和蒙特卡洛采样，参数都是符合随机特性，但采样得到的值不相同。
八爪鱼自动驾驶平台的多机分布式训练功能可以帮助用户加快模型训练速度，提高训练效率，并支持更大规模的深度学习任务。通过多机分布式训练，用户可以将训练任务分配到多台计算机或服务器上并行进行，充分利用硬件资源，加快模型收敛速度，提高训练效果。平台支持多种深度学习框架，如TensorFlow、PyTorch等，并提供简单易用
模型评测 在机器学习中，通常需要使用一定的方法和标准，来评测一个模型的预测精确度。自动驾驶领域通常涉及目标检测、语义分割、车道线检测等类别，如识别车辆、行人、可行区域等对象。 评测脚本 评测任务 任务队列 评测对比 模型数据集支持 父主题： 训练服务
使用流程 Octopus平台提供了从“数据准备 → 标注数据 → 训练模型 → 仿真任务”的全流程开发，针对每个环节，其使用是相对独立自由的。本章节梳理了Octopus使用流程详解，此文档介绍其中一种方式完成自动驾驶开发。 图1 Octopus的使用流程 表1 使用流程说明 流程
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
