微软推出开源自动驾驶仿真平台 AirSim 教程,机器学习新手也能快速上手自动驾驶

AirSim 是微软推出的开源项目,用于测试人工智能系统的安全性,该系统提供仿真的环境、车辆动力和感知能力,促进无人驾驶技术的发展。近期,微软的工程师推出了一套 AirSim 官方教程,旨在让专家、研究者以及自动驾驶领域的新手们快速掌握开发自动驾驶的基本技能。为方便读者了解 AirSim 的这套教程,AI 研习社将官方介绍编译如下。

在这套教程里,你将会学到如何用从 AirSim 仿真环境搜集到的数据集来训练和测试用于自动驾驶的端对端深度学习模型。你的训练模型将会在 AirSim 的仿真地形中学会如何驾驶汽车,输入的视觉数据只来自一个设置在车前的摄像头。这套课程常被当作自动驾驶的入门项目,不过学完整套课程后, 你会有能力实现你自己的想法。

教程结构

教程里的代码都是在 Keras(https://keras.io/) 中实现的,Keras 是一种可以运行在 CNTK、TensorFlow 或者 Theano 之上的深度学习 Python API。Keras 简单易用,是新手们的不二选择,能够削减大多数流行框架学习的难度。

这个教程会用 Python notebooks 的形式展现。Python notebooks 可以让你非常容易地阅读指导和说明,并且在一个文件中编写和运行代码,所有这一切都可以在浏览器窗口中完成。你可以按顺序浏览以下 notebooks:

  • DataExplorationAndPreparation(http://t.cn/RQscVqY)
  • TrainModel(http://t.cn/RQscSUi)
  • TestModel(http://t.cn/RQscNO1)

如果你之前从没有用过 Python notebooks,我们强烈推荐该教学文档:http://jupyter-notebook-beginner-guide.readthedocs.io/en/latest/what_is_jupyter.html

安装

首先,你要了解基础的人工神经网络知识,不过高阶的概念就不需要了,比如 LSTM 或者强化学习。但是你应该要知道卷积网络的工作原理。Michael Nielsen 写的这本「神经网络和深度学习」(http://neuralnetworksanddeeplearning.com/)非常不错,可在网上免费获取,它能够让你在一周之内构建坚实的神经网络知识基础。

同时,你还要会 Python,至少能够阅读和理解 Python 代码。

安装过程:

  • 安装 AirSim(https://github.com/Microsoft/AirSim#how-to-get-it)
  • 在 Python 3.5 或者更高的版本里安装 Anaconda(https://conda.io/docs/user-guide/install/index.html)
  • 安装 CNTK(https://docs.microsoft.com/en-us/cognitive-toolkit/Setup-CNTK-on-your-machine) 或者安装 TensorFlow(https://www.tensorflow.org/install/install_windows)
  • 安装 h5py(http://docs.h5py.org/en/latest/build.html)
  • 安装 Keras(https://keras.io/#installation)
  • 将 Keras 后端设置为适配 TensorFlow(默认)或者 CNTK(https://keras.io/backend/)

硬件配置

强烈建议用 GPU 来跑程序,虽说用 CPU 也能训练模型,但 CPU 要花数天才能完成训练。该教程用的是一块 GTX970 GPU,只需要 45 分钟就能完成训练。

如果你没有可用的 GPU,你可以用 Azure 上的深度学习虚拟机,它安装之后会提供所有的依赖和库(此虚拟机需要 py35 环境)。

数据集

模型需要大量的数据集来训练,你可以在这里下载:https://aka.ms/AirSimTutorialDataset。第一个 notebook 会告诉你下载完成后如何获取这些数据。数据集最终解压后大小大概为 3.25 GB,虽说训练一辆真正的自动驾驶汽车需要 PB 级的数据,不过这些数据足够该教程的使用。

如果你对本项目有任何意见或者想法,请前往该项目 Github 主页反馈,网址如下:

https://github.com/Microsoft/AutonomousDrivingCookbook

原文发布于微信公众号 - AI研习社(okweiwu)

原文发表时间:2018-01-27

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技大本营的专栏

重磅 | TensorFlow 2.0即将发布,所有tf.contrib将被弃用

上周,谷歌刚刚发布了 TensorFlow 1.10.0 版本(详见《TensorFlow 版本 1.10.0 发布》),如今,TensorFlow 的 2.0...

863
来自专栏机器之心

学界 | UC Berkeley提出新型分布式框架Ray:实时动态学习的开端

3294
来自专栏腾讯Bugly的专栏

《从业务数据分析到机器学习应用的一次经历》

本文通过一次完整的项目经历,从业务数据的分析开始,到产品优化建议,再到通过机器学习进行进一步的处理进行了比较完成的提炼。

62311
来自专栏顶级程序员

2月份GitHub上最热门的Python项目:深度学习占半壁江山

源 / 开源最前线 整编 / 猿妹 本篇文章为大家盘点了1月份最热门的Python 项目,本月最热门的开源项目中,深度学习相关的开源项目占据了半壁江山,...

3439
来自专栏怀英的自我修炼

考研数学-11-公式整理

匆匆忙忙到现在,才把公式整理完。接下来就是要消化这些公式,公式比较多,有100+个,希望借助Anki,这次能完全背熟6成。这也是个不小的挑战,继续二中吧。

1041
来自专栏AI科技大本营的专栏

TensorFlow 1.0 正式发布

在刚刚过去的一年里,从语言翻译到对皮肤癌的早期检测和对糖尿病患者失明的防护,TensorFlow 对研究人员,工程师,艺术家,学生和其他各界人士在各领域的进步都...

36413
来自专栏机器之心

业界 | 英伟达开源硬件加速项目NVDLA:一种标准化的推断加速框架

3619
来自专栏AI科技评论

学界 | 谷歌推出有界负载的一致性哈希算法,解决服务器负载均衡问题

studyinsweden AI科技评论按:运行大型Web服务需要负载平衡,例如内容托管。通常做法是在多个服务器之间均匀分发客户端,以免任何服务器超负荷运行。...

4749
来自专栏量子位

配置机器学习训练环境太麻烦?开源工具Parris说一键就搞定

夏乙 编译整理 量子位 出品 | 公众号 QbitAI 在搭建、训练机器学习模型的过程中,你的时间可能大部分都花在了那些与算法无关的事情上:收集数据、清洗数据、...

3495
来自专栏生信技能树

生信技巧第二课-使用markdown记录和分享笔记

1392

扫码关注云+社区

领取腾讯云代金券