目前大模型，AI正火热，GPt，DeepSeek等等，曾一度火爆全网，废话少说，大家赶紧学着用起来。

网上大部分是关于tensorflow，使用pytorch的比较少，本文也在之前大佬写的的基础上，进行了数据集的完善，和代码的优化，效果可比之前好一点。

这个deepmdp的目的，就是解决Carla_DRL中，sac等算法不加vae直接输入原始图像无法训练出很好的拟合效果的问题，所以加了一个deepmdp+sac算法的工程，这个工程可以用来跑顶会论文的baseline。单进程的RL的训练版本之一，目前主要包括三个场景，点到点导航，鬼探头，急刹车，其他场景都可以自行创建。目前Carla_DRL有三个版本，v3.0是最新的，点进去可以看到代码，下载或者

参考原始代码：https://github.com/tensorflow/models/tree/master/research我用的是1.x的版本所以环境必须有gpu版本的tensorflow，训练才快。（1）原始数据集必须有jpg图片和对应的xml文件。（4）以上操作都是对训练数据集，验证数据集同时操作：因为项目只有一种类别，所以长这样。若有多个则继续往后加。我这里选择ssd_mobilene

这里使用官方的yolov5.60进行训练，yolov5的好处就是使用起来便利，只要定义好数据集格式，加上硬件不差，基本上可以跑出来。这里以遥感图像目标检测为例子进行实战。

目前目标检测算法有很多，流行的就有faster-rnn和yolov，本文使用了faster-rnn框架进行训练，效果还不错，准确率，当然也可以使用更高版本的Yolov进行实战。

参考原始代码：https://github.com/tensorflow/models/tree/master/research我用的是1.x的版本所以环境必须有gpu版本的tensorflow，训练才快。（1）原始数据集必须有jpg图片和对应的xml文件。（4）以上操作都是对训练数据集，验证数据集同时操作：因为项目只有一种类别，所以长这样。若有多个则继续往后加。我这里选择ssd_mobilene

一定要注意解压文件是在.autoware/路径下的，不然后续运行launch文件时，会提示找不到文件：.autoware/data/tf/tf.launch:修改run脚本，改为正确source路径为了防止警告，找到‘state_publisher’并用‘robot_state_publisher’去代替它。

目前目标检测算法有很多，流行的就有faster-rnn和yolov，本文使用了几年前的yolov3框架进行训练，效果还是很好，当然也可以使用更高版本的Yolov进行实战。跑工程的原理步骤都是一样的，都可以学习。

这里使用官方的yolov5.60进行训练，yolov5的好处就是使用起来便利，只要定义好数据集格式，加上硬件不差，基本上可以跑出来。这里以遥感图像目标检测为例子进行实战。