如果不使用神经网络的参赛者仅需看第4与第5部分内容！
1.0 DonkeyCar的安装
1.1安装miniconda Python 3.7
安装miniconda Python 3.7 64位。
安装方法参见：Windows 10下安装Miniconda3

1.2安装git 64 bit
安装git 64 bit。
安装方法参见：GIT -2.18.0-64.bit 的安装与使用

1.3创建项目目录
从开始菜单启动Anaconda Prompt
创建并更改为您希望用作项目的目录
C:\Users\adminitrator>d:
D:\>mkdir projects
D:\>cd projects
1
2
3
1.4从Github获取最新的Donkeycar
git clone https://github.com/autorope/donkeycar
cd donkeycar
git checkout master
1
2
3
1.5更换国内源
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
conda config –set show_channel_urls yes
1
2
3
1.6更新与删除
conda update -n base -c defaults conda
conda env remove -n donkey
1
2
1.7创建Python Anaconda环境
conda env create -f install\envs\windows.yml
conda activate donkey
pip install -e .[pc]
1
2
3
1.8安装Tensorflow GPU（可选）
如果你有NVidia卡，你应该更新到最新的驱动程序并安装Cuda SDK。

conda install tensorflow-gpu==1.13.1
1
1.9创建工作目录
donkey createcar –path D:/mycar
1
安装keras-vis

pip install keras-vis
1
2.0安装DonkeySim
d:
cd projects
git clone https://github.com/tawnkramer/gym-donkeycar
conda activate donkey
pip install -e gym-donkeycar
1
2
3
4
5
3.0修改相应文件
3.1修改dtypes.py
文件位置：D:\Miniconda3\envs\donkey\lib\site-packages\tensorflow\python\framework\dtypes.py。
修改dtpes.py文件的第526~530、535行。
原：

_np_qint8 = np.dtype([(“qint8”, np.int8, 1)])
_np_quint8 = np.dtype([(“quint8”, np.uint8, 1)])
_np_qint16 = np.dtype([(“qint16”, np.int16, 1)])
_np_quint16 = np.dtype([(“quint16”, np.uint16, 1)])
_np_qint32 = np.dtype([(“qint32”, np.int32, 1)])
np_resource = np.dtype([(“resource”, np.ubyte, 1)])
1
2
3
4
5
6
修改为：

_np_qint8 = np.dtype([(“qint8”, np.int8, (1,))])
_np_quint8 = np.dtype([(“quint8”, np.uint8, (1,))])
_np_qint16 = np.dtype([(“qint16”, np.int16, (1,))])
_np_quint16 = np.dtype([(“quint16”, np.uint16, (1,))])
_np_qint32 = np.dtype([(“qint32”, np.int32, (1,))])
np_resource = np.dtype([(“resource”, np.ubyte, (1,))])
1
2
3
4
5
6
3.2修改train.py文件
文件位置：D:\projects\gym-donkeycar\examples
\supervised_learning\train.py
修改train.py文件的第29行：
原：

matplotlib.use(‘Agg’)
1
修改为：

matplotlib.use(‘TkAgg’)
1
4.0 DonkeySim模拟器的使用
4.1下载DonkeySim模拟器
从Donkey Gym Release下载并解压主机PC平台上可运行的模拟器（DonkeySimWindows.zip）。
将模拟器放在合适的位置。如：~/projects/DonkeySimWindows。

可使用游戏杆/键盘手动驾驶、自动驾驶还可使用训练好的神经网络驾驶，运行界面如下：

选择窗口大小，点击“Play!”进入。

点击“Log dir”可设置记录数据目录。

在主界面点击“Generated Track”，进入我们挑战赛的赛道环境。

可以选择右侧的各种驾驶模式。

这是速度、转向和PD参数设置界面，在自动驾驶时，要设置这些参数，取得好成绩。

4.2设置验证
打开Anaconda Prompt。
使用示例模型来验证设置。

conda activate donkey
d:
cd projects\gym-donkeycar\examples\supervised_learning
python evaluate.py –model=models/example_model.h5
1
2
3
4
启动“DonkeySim”环境。单击“NN Control over Network”按钮。

4.3获取自己的训练数据
现在，你可以尝试根据自己的数据来训练自己的模型。
在模拟器中，按“Exit”进入主菜单。
单击“log dir”按钮并指定一个日志目录以保存数据。例如，你可以选择d:/projects/gym-donkeycar/examples/supervised_learning/log文件夹。
选择Generated Track环境。
单击“Auto Drive w Rec”或“Joystick/Keyboard w Rec”。记录约1万个样本（一圈以上）。查看左下角以查看日志计数。
完成后，单击“Stop”。

4.4训练模型
conda activate donkey
d:
cd projects\gym-donkeycar\examples\supervised_learning
python train.py –inputs=log/*.jpg –model=models/model.h5
1
2
3
4
模型结构可根据自己需要进行修改。
取消train.py文件的第208行注释，显示模型信息。
修改models.py文件（可设置学习率）：
在第7行增加：

from tensorflow import keras
1
第57行修改为：

model.compile(optimizer=keras.optimizers.Adam(lr=0.0001), loss=’mse’, metrics=[‘acc’])
1
4.5评估模型
conda activate donkey
d:
cd projects\gym-donkeycar\examples\supervised_learning
python evaluate.py –model=models/model.h5
1
2
3
4
启动模拟器。选择Generated Track环境。单击“NN Control over Network”。

5.0 DonkeySim挑战赛
5.1 DonkeySim挑战赛类别
参加DonkeySim挑战赛的车必须连续不间断跑3圈以上，小车不能压到草坪，不能撞到障碍物，挑战赛共分为三大类：

游戏杆/键盘驾驶（Joystick/Keyboard）
自动驾驶（Auto Drive）
神经网络驾驶（NN Control over Network）
5.2 DonkeySim参赛者提交文件
参加DonkeySim挑战赛的选手，参赛作品必须提交以下文件、数据和视频。

5.2.1选手与作品简介
年龄和性别要真实（便于以后进一步的赛果分类），其他介绍可自由发挥；
参赛者首先应根据已公开（如该类别没有人提交或提交数少于10个）的其他参赛者提交的文件自行进行测试对比，成绩在前十名之内的即可提交，否则请不要提交。
5.2.2数据文件
自行测试成绩以文本文件方式提交；
数据要真实，不得人为编辑修改；
游戏杆/键盘驾驶参赛者提交压缩的原始数据记录（log）文件；
自动驾驶参赛者提交压缩的原始数据记录（log）文件和速度/转向/PD参数截图；
神经网络驾驶参赛者提交文件：
压缩的原始训练数据记录（log）文件
D:\projects\gym-donkeycar\examples\supervised_learning目录下的conf.py和models.py文件
D:\projects\gym-donkeycar\examples\supervised_learning\models目录下的model.h5和model.h5loss.png文件
5.2.3视频文件
游戏杆/键盘驾驶与自动驾驶参赛者提交原始数据记录（log）文件转成的.mp4格式文件，转换方法如下：
首先将DonkeySim内要转换为视频的记录数据（log），复制到D:\mycar\logs文件夹下，并运行下列命令：
conda activate donkey
d:
cd mycar
donkey makemovie –tub=D:\mycar\logs\log –out=log_movie.mp4
1
2
3
4
输出文件名为log_movie,mp4
神经网络驾驶参赛者视频文件的提交是可选的，也必须是.mp4格式的视频文件，请自行用合适的办法解决（参赛者如有好的方法，请共享出来，让大家享用）。
5.3 DonkeySim挑战赛评比方式
DonkeySim挑战赛公开参赛者提交的所有文件，采用自测与公示的方式进行评比，比赛成绩及时更新。比赛规则根据实施情况，听取大家的意见，不定时的更新，所有的原始数据尽量可靠的保存。
————————————————
版权声明：本文为CSDN博主「平衡-JL」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/wujingyu67971348/java/article/details/101982829