思无邪

> @cfzd 请问为什么不在culane数据集上采用行，列相加方式（和Curvelanes数据集一样），而采用tusimple数据集上的处理方式，这是出于什么考虑

你可以在后处理中通过`run_test`函数判断

如果您想查看训练数据是否存在车道线可以查看`install`部分的指引，那里会教你生成annotation.json文件，这个文件里面就是车道线点的数据。 如果你想在训练时候查看，你可以通过loss函数里面传入的label来判断，`-1`表示某个车道线点不存在，如果一条车道线坐标全部是`-1`,那么这个车道线自然不存在。 如果你想在测试的时候看某个车道线是否存在，那么你可以看程序是否执行fp.write(xxx)，如果执行了，那么写入的车道线点对应的车道线是存在的，反之自然不存在

测试机器的GPU是1080Ti 我尝试测试模型速度，略微修改了`speed_simple.py`文件： ```python import torch import time import numpy as np from utils.common import get_model, merge_config torch.backends.cudnn.benchmark = True args, cfg = merge_config() net = get_model(cfg) net.eval() x = torch.ones((1,3,cfg.train_height,cfg.train_width)).cuda()...

车道线点的数据

> 你好~ 在 **1.2 引入代码** 中，发现一个问题，会造成 vuepress 在解析加载代码的时候出现错误。 > > ```diff > module.exports = { > head: [ > [ > 'script', {}, ` > var _hmt = _hmt ||...

> 希望有人维护呀！！！ 或者有什么替代品么 各位大佬 openwrite，但是是收费的

这是个通用的问题吧，使用torch保存响应的权重文件就可以了

大小不同理论上来说也可以进行训练，只是预处理的标签和后处理的部分需要对应修改，可以搜索全文中`original_image`的使用的地方（这个观点同@umie0128）

理论上不会，因为模型的输入实际上是点集，而不是分割图