1.流程

1. 软件下载安装
2. 数据采集
3. 自定义dataset
4. 模型搭建
5. 模型训练
6. 测试
7. 总结
8. 后续

本项目下载地址GitHub

1.软件下载及安装

1.下载地址：https://github.com/udacity/self-driving-car-sim
2.进入链接后可在选择自己的平台下载。

2.数据采集

1. 软件打开后首先会有如图所示的界面，即选择分辨率，画质，显示器。如若你的计算资源有限建议选择如图所示的参数即可。不然在计算资源达不到的情况下会产生比较大地延时，这里不建议。
   

2. 进入训练模式后点击如图所示按钮选择数据存放路径，然后再次点击即可进行数据采集
   

3. csv文件如图所示，分别是中间摄像，左侧摄像，右侧摄像所拍摄画面，后面依次是转向角度，油门大小，刹车大小，当前速度。
   

4. 需要做的便是对图像进行水平镜像翻转，剔除部分转向为0的值。以及HSV色彩空间的值随机变换。

4.模型搭建

7.总结

这里说一下我从这个实验里学到的东西吧，都是本人自己亲身一遍一遍的试过所总结的。

1. 数据增强非常有必要，在训练之前一定要看观察整体数据在进行后续处理。有效的数据处理能起到事半功倍的效果
2. 不加ReLu激活函数会产生过拟合的情况。
3. 学习率太大会产生损失会产生剧烈的震荡
4. 学习率太小会产生梯度消失
5. 说一个小插曲，这个项目用了我三天半的时间，代码写完也就两个多小时，后面时间全是参数调试，所以才有了上面的总结，主要是在图像裁剪的部分，我原定的事向下裁剪60像素，训练几次都没觉得这里没有什么，最后实在找不到能改的地方了，就在这里改了下，把60改成65,后训练效果出奇的好。所以数据处理真的非常重要。

8.后续

1. 目前在复现YOLOv1的代码，已经接近尾声，后续代码也会上传至GitHub。敬请关注，一起进步。

文章知识点与官方知识档案匹配，可进一步学习相关知识Python入门技能树人工智能深度学习214522 人正在系统学习中