读代码LAV

code 1

class A():
    def __init__(self,path):
        with open(path,'r') as f:
            cofig = yaml.safe_load(f)

        for key,v in cofig.items():
            setattr(self,key,v)

if __name__ == "__main__":
    a = A("a.yaml")
    print(a.fps)

# this is a.yaml
"""
---
imagenet_pretrained: True
log_wandb: True
fps: 20
crop_size: 96
bev_embd_size: 96
embd_size: 32
"""

CHAT-GPT解读：

该段代码为Python代码，用于读取YAML格式的配置文件并将其保存为对象属性的方式。

首先，我们打开一个指定路径下的YAML配置文件读取它的内容。然后，使用yaml.safe_load()方法将其内容转化为YAML格式。然后，我们使用for循环遍历文件的所有项，在每一项中，通过调用setattr()方法将其赋值给对象的属性。这意味着我们可以使用属性调用配置文件中的值，而不必直接读取文件。

在YAML文件中，第一行的三个连字符 — 表示文档的开始。在一个YAML文件中，可以定义多个文档。文档之间用三个连字符 — 分隔，第一个连字符 — 表示第一个文档的开始，第二个连字符 — 表示第二个文档的开始，以此类推。每个文档可以包含标量、序列和映射等YAML对象。

下面是一个YAML文件的示例，包含两个文档：

---
name: Tom
age: 18
---
- apple
- banana
- orange

该文件包含两个文档：

第一个文档包含 name 和 age 两个属性；
第二个文档包含一个包含3个元素的序列。

code 2

np.random.random() 是 NumPy 库中的一个函数，用于生成一个随机浮点数，其值在 [0.0, 1.0) 的区间内均匀分布。该函数的具体用法如下：

import numpy as np

# 生成一个随机浮点数
random_num = np.random.random()
print(random_num)

执行该代码，会输出一个随机浮点数，例如：

0.452475241

如果需要生成一个随机矩阵，则可以传入一个形状参数，例如：

# 生成一个 3x3 的随机矩阵
random_matrix = np.random.random((3, 3))
print(random_matrix)

执行该代码，会输出一个形状为 3×3 的随机矩阵，例如：

[[0.7249365 0.49152189 0.53632242]
[0.60230436 0.4068959 0.12167604]
[0.25533137 0.28223028 0.45362248]]

code 3

for full_path in glob.glob('{}/**'.format("dataset_lav")):
    print(full_path)

dataset_lav/zqdfggemwy
dataset_lav/zyxewvgbjr
dataset_lav/zyvhbylkjl
dataset_lav/zezedosgch

dataset_lav下：

.
├── zamsqvbpij
│   ├── data.mdb
│   └── lock.mdb
├── zbaubmgfbn
│   ├── data.mdb
│   └── lock.mdb
├── zcflqzextq
│   ├── data.mdb
│   └── lock.mdb
├── zdnspeiqhc
│   ├── data.mdb
│   └── lock.mdb

LAV agent.py

根据CARLA的Leaderboard代码可以推测，应该是自己实现一个agent，然后由leaderboard_evaluator去调用。所以需要我们核心关注的应该是agent代码的实现，以LAV这个为例

BEV train

打赏作者