Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Führen Sie Simulationen für autonomes Fahren mit CARLA in der Deadline Cloud durch
Das Jobpaket autonomous_driving_carla führt einen CARLA-Simulationsparameter-Sweep
Bei jeder Aufgabe werden Multisensordaten von vom Benutzer ausgewählten Kameraperspektiven erfasst und Videos pro Kamera, RGB- und semantische Segmentierungsframes, LiDAR-Punktwolken (.ply) und Bounding Boxes im KITTI-Format erzeugt. 2D/3D
Der Job wird in einem Docker-Container ausgeführt, der auf basiert. carlasim/carla:0.9.16 Erstellen Sie vor dem Absenden das benutzerdefinierte Docker-Image aus dem docker/ Verzeichnis im Paket und übertragen Sie es an Amazon Elastic Container Registry (Amazon ECR). Hängen Sie das Hostkonfigurationsskript docker_nvidia_container_toolkit an Ihre Flotte an, um Docker und das NVIDIA Container Toolkit
Um dieses Paket auszuführen, benötigen Sie eine Deadline Cloud-Farm mit einer GPU-Flotte (mindestens 1 NVIDIA-GPU, 16 vCPU, 64 GiB Speicher) und einer Conda-Warteschlangenumgebung mit. ffmpeg Die Warteschlangenrolle benötigt Amazon ECR-Pull-Berechtigungen.
Reichen Sie den Job aus dem job_bundles Verzeichnis ein:
deadline bundle gui-submit autonomous_driving_carla
Stellen Sie auf der Registerkarte „Job-specific Einstellungen“ den Container-Image-URI auf Ihr Amazon ECR-Image ein und konfigurieren Sie die Szenario-Parameter (Ego-Geschwindigkeiten, NPC-Geschwindigkeiten, NPC-Entfernungen) und Kamerasichtspunkte.
