01
感知算法联调概述
什么是感知算法联调 · 联调在自动驾驶pipeline中的位置 · 常见联调模式（离线/在线）
基础概览
02
环境配置与依赖冲突
Conda环境管理 · CUDA与cuDNN版本匹配 · PyTorch/TensorFlow安装踩坑
环境CUDA
03
数据加载与预处理问题
Dataset与DataLoader实现细节 · 数据增强导致的形状不匹配 · 内存泄漏排查
数据Dataloader
04
模型结构与权重加载
模型定义与预训练权重key不匹配 · strict=False的隐患 · 多GPU加载的坑
模型权重
05
前向推理与张量形状
动态shape与静态shape · batch维度处理 · NCHW与NHWC格式转换
张量推理
06
损失函数与梯度传播
Loss为NaN的常见原因 · 梯度爆炸与梯度消失 · 损失函数选择不当
损失梯度
07
优化器与学习率策略
SGD/Adam/Warmup选择 · 学习率过大导致不收敛 · 余弦退火调度
优化器LR
08
训练过程监控与可视化
TensorBoard/Wandb使用 · loss曲线解读 · 过拟合与欠拟合判断
可视化监控
09
验证与测试流程
mAP/Recall/Precision计算 · NMS参数调优 · 验证集与测试集划分
评估NMS
10
多模态融合联调
Camera与Lidar时间戳对齐 · 特征融合维度匹配 · BEV空间转换
多模态BEV
11
模型量化与部署
FP16/INT8量化精度损失 · TensorRT转换报错 · 动态shape支持
量化部署
12
ROS/ROS2集成联调
Topic通信延迟 · 消息类型定义 · bag回放与离线调试
ROS通信
13
C++与Python混合编程
pybind11接口封装 · GIL锁问题 · 内存共享与拷贝
C++pybind11
14
性能分析与优化
Profiling工具使用（Nsight、py-spy） · IO瓶颈 · 算子融合
性能Profiling
15
分布式训练联调
DDP/DP模式选择 · NCCL通信超时 · 梯度同步问题
分布式DDP
16
数据闭环与回灌
场景提取 · 数据标注格式转换 · 回灌测试流程
数据闭环回灌
17
仿真环境联调
CARLA/GTA V接口对接 · 传感器模拟 · 真值获取
仿真CARLA
18
硬件在环测试
工控机环境适配 · Jetson平台优化 · 实时性保障
硬件Jetson
19
日志与错误处理
logging模块配置 · 异常捕获与恢复 · 断点续训
日志容错
20
代码版本管理
Git LFS大文件管理 · DVC数据版本控制 · 实验复现
GitDVC
21
CI/CD与自动化测试
单元测试编写 · 集成测试 · 模型回归测试
CI/CD测试
22
安全与鲁棒性
对抗样本防御 · 传感器故障模拟 · 降级策略
安全鲁棒
23
在线学习与增量训练
数据分布漂移 · 模型遗忘 · EWC正则化
增量在线
24
模型压缩与加速
剪枝 · 蒸馏 · 轻量化网络设计
压缩加速
25
多任务学习联调
共享backbone · loss权重平衡 · 梯度冲突
多任务MTL
26
时序模型联调
LSTM/Transformer输入格式 · 时序对齐 · 状态管理
时序LSTM
27
目标跟踪联调
SORT/DeepSORT参数 · ID Switch问题 · 轨迹管理
跟踪SORT
28
车道线检测联调
曲线拟合 · 后处理优化 · 与地图融合
车道线后处理
29
占用网络联调
3D卷积显存优化 · 稀疏表示 · 与规划接口
占用网络3D
30
端到端模型联调
Imitation Learning · 损失设计 · 因果混淆
端到端IL