Schritt 7: Trainingsbefehl für pi0fast

Vor der Ausführung

• Umgebung: Legen Sie zunächst gemäß Konfiguration der Cloud-GPU-Trainingsumgebung eine Instanz an und laden Sie den Datensatz hoch; kehren Sie dann zu diesem Beitrag zurück und führen Sie die Abschnitte „Umgebung installieren" und „Befehl" aus
• Datensatz: Der folgende Trainingsbefehl enthält kein --dataset.root; er ruft den Datensatz vom HuggingFace Hub ab, daher muss der Datensatz bereits auf den Hub hochgeladen worden sein. Wenn der Datensatz nur lokal vorliegt, ergänzen Sie gemäß dem Abschnitt „Vorherige Inhalte" am Ende dieses Beitrags --dataset.root=~/lerobot_my_dataset_shake_hands
• Ausgabeverzeichnis: Falls --output_dir bereits existiert, löschen Sie es zuerst mit dem obigen Befehl sudo rm -rf oder wählen Sie einen neuen Namen
• Während des Trainings können Sie die Kurven jederzeit in wandb ansehen, siehe Trainingskurven in Echtzeit mit wandb anzeigen

Referenzdokumentation

https://huggingface.co/docs/lerobot/pi0fast

Issue

https://github.com/huggingface/lerobot/pull/2203

Empfohlene Cloud-GPU-Instanz

Umgebung installieren

cd lerobot
pip install -e ".[pi0]"
pip install "lerobot[pi]@git+https://github.com/huggingface/lerobot.git"

Befehl

• Dateien unter output löschen, die durch einen zuvor unterbrochenen Trainingslauf entstanden sind

sudo rm -rf output_lerobot_train/shake/pi0_fast_A

• Training

lerobot-train \
    --dataset.repo_id=<Benutzername>/lerobot_my_dataset_shake_hands \
    --dataset.revision=v0.1.0 \
    --policy.type=pi0_fast \
    --output_dir=output_lerobot_train/shake/pi0_fast_A \
    --job_name=shake_pi0_fast_A \
    --policy.pretrained_path=lerobot/pi0_fast_base \
    --policy.dtype=bfloat16 \
    --policy.gradient_checkpointing=true \
    --policy.chunk_size=10 \
    --policy.n_action_steps=10 \
    --policy.max_action_tokens=256 \
    --steps=50000 \
    --batch_size=8 \
    --policy.device=cuda \
    --policy.push_to_hub=false \
    --wandb.enable=true \
    --wandb.project=Lerobot_my_Project

Vorherige Inhalte

lerobot-train \
  --dataset.repo_id=<Benutzername>/lerobot_my_dataset_shake_hands \
  --dataset.root=~/lerobot_my_dataset_shake_hands \
  --dataset.revision=v0.1.0 \
  --dataset.streaming=false \
  --policy.type=pi0_fast \
  --output_dir=output_lerobot_train/shake/pi0_fast_A \
  --job_name=shake_pi0_fast_A \
  --policy.pretrained_path=lerobot/pi0_fast_base \
  --policy.compile_model=true \
  --policy.gradient_checkpointing=true \
  --policy.dtype=bfloat16 \
  --policy.freeze_vision_encoder=false \
  --policy.train_expert_only=false \
  --steps=50000 \
  --policy.device=cuda \
  --policy.push_to_hub=false \
  --wandb.enable=true \
  --wandb.project=Lerobot_my_Project \
  --batch_size=8

Etwa 10 Minuten nach dem Start beginnt das Training wirklich

Das Modellarchiv umfasst etwa 5G, nach dem Entpacken 7G

Verwandte Produkte

SO-ARM101 Entwickler-Kit→