MultiPath++ [终止随版本演进]

目录

• MultiPath++
  • 目录
  • 模型介绍
  • 支持任务列表
  • 代码实现
  • 准备训练环境
    • 安装环境
    • 安装昇腾环境
    • 准备数据集
    • 修改config路径
  • 快速开始
    • 训练任务
    • 开始训练
    • 训练结果
  • 变更说明
  • FAQ

模型介绍

MultiPath++ 是自动驾驶轨迹预测模型，通过改进多模态概率建模和场景编码，采用 Transformer 架构融合高精地图与障碍物动态，优化轨迹生成。其利用隐变量模型提升预测多样性，结合课程学习策略，在准确性与实时性上显著提升，适用于复杂交通场景。

支持任务列表

本仓已经支持以下模型任务类型

模型	任务列表	是否支持
MultiPath++	训练	✔

代码实现

• 参考实现：

  url=https://github.com/stepankonev/waymo-motion-prediction-challenge-2022-multipath-plus-plus
  commit_id=359670b954431d8d26b6807cbd4e5aa1ebbf98dd
  

• 适配昇腾 AI 处理器的实现：

  url=https://gitcode.com/Ascend/DrivingSDK.git
  code_path=model_examples/MultiPath++
  

准备训练环境

安装环境

表 1 三方库版本支持表

三方库	支持版本
PyTorch	2.1

安装昇腾环境

请参考昇腾社区中《Pytorch框架训练环境准备》文档搭建昇腾环境，本仓已支持表2中软件版本。

表 2 昇腾软件版本支持表

软件类型	首次支持版本
FrameworkPTAdapter	7.0.0
CANN	8.1.RC1

• 克隆代码仓到当前目录：

  git clone https://github.com/stepankonev/waymo-motion-prediction-challenge-2022-multipath-plus-plus.git
  cd waymo-motion-prediction-challenge-2022-multipath-plus-plus
  git checkout 359670b954431d8d26b6807cbd4e5aa1ebbf98dd
  

  将模型根目录记作 model-root-path

• 使用 patch 文件：

  cp -f ../MultiPath++.patch .
  git apply --reject --whitespace=fix MultiPath++.patch
  cp -rf ../test ./code/
  

• 安装 Driving SDK 加速库，安装 master 分支，具体方法参考原仓。

• 在应用过patch的模型根目录下，安装相关依赖：

  pip install -r requirements.txt
  

准备数据集

• 下载 Waymo Motion Dataset v1.1 数据集；

• 根据原仓 Code Usage 章节准备数据集：

  python3 prerender/prerender.py \
      --data-path /path/to/original/data \
      --output-path /output/path/to/prerendered/data \
      --n-jobs 24 \
      --n-shards 1 \
      --shard-id 0 \
      --config configs/prerender.yaml
  

• 处理好的数据集目录结构如下：

  prerendered/
  ├── training_sparse/
  ├── validation_sparse/
  

修改config路径

• 将 code/configs/final_RoP_Cov_Single.yaml 文件中第6行、第28行替换为处理好的数据集文件夹 training_sparse、validation_sparse 在当前机器上的绝对路径。

快速开始

训练任务

本任务主要提供单机的单卡训练脚本。

开始训练

• 进入应用过patch的模型根目录model-root-path。

• 在model-root-path下创建保存模型checkpoints的文件夹。

  mkdir models
  

• 在model-root-path下的code/路径下，运行训练脚本。

  该模型支持单机单卡训练。

  • 单机单卡精度训练

  bash test/train_full_1p.sh
  

  • 单机单卡性能训练

  bash test/train_performance_1p.sh
  

训练结果

芯片	卡数	global batch size	Precision	epoch	loss	性能-单步迭代耗时(ms)
竞品A	1p	128	fp32	30	2.56	646
Atlas 800T A2	1p	128	fp32	30	2.53	856

变更说明

2025.02.20：首次发布

FAQ

1. 训练时偶发AssertionError导致训练中断（社区已知问题），重新拉起训练即可。 问题参考链接：Assertion Error On Finiteness