Passo 7: Caricare il modello su HuggingFace (opzionale)

Questo passaggio è opzionale. Al termine dell'addestramento il modello resta sul tuo computer o sull'istanza cloud GPU, e può essere usato direttamente per l'inferenza. Devi caricarlo su HuggingFace solo quando ti serve eseguire il backup del modello, passare a un'altra macchina per l'inferenza o condividerlo con altri.

Segnaposto nei comandi

Questo capitolo riprende la notazione con segnaposto usata nei capitoli precedenti; sostituiscili con le tue informazioni, rimuovendo anche le parentesi angolari al momento della sostituzione:

• <nome-utente>: il nome del tuo account HuggingFace
• <nome-utente>: il nome utente di sistema del tuo computer; puoi visualizzarlo digitando whoami nel terminale

Metodo 1: caricamento automatico durante l'addestramento

Aggiungi due righe di parametri al comando di addestramento: al termine dell'addestramento il modello verrà caricato automaticamente.

  --policy.push_to_hub=true \
  --policy.repo_id=<nome-utente>/shake_act_a \

Queste due righe devono comparire sempre insieme: scrivendo solo push_to_hub=true si otterrà un errore. repo_id è il nome del repository che assegni a questo modello, nella forma nome_account/nome_modello; se il repository non esiste, LeRobot lo creerà automaticamente.

Ad esempio, il comando completo di ACT diventa:

lerobot-train \
  --dataset.repo_id=<nome-utente>/lerobot_my_dataset_shake_hands \
  --dataset.root=~/lerobot_my_dataset_shake_hands \
  --dataset.revision=v0.1.0 \
  --dataset.streaming=false \
  --policy.type=act \
  --output_dir=~/output_lerobot_train/shake/act/ \
  --job_name=shake_act_a \
  --policy.device=cuda \
  --wandb.enable=true \
  --wandb.project=Lerobot_my_Project \
  --policy.push_to_hub=true \
  --policy.repo_id=<nome-utente>/shake_act_a \
  --steps=20000 \
  --batch_size=8

Secondo quanto spiegato nella sezione precedente, al termine di questa sessione di addestramento il modello comparirà all'indirizzo https://huggingface.co/<nome-utente>/shake_act_a.

Caricare insieme anche i checkpoint intermedi

Durante l'addestramento viene salvato un checkpoint ogni save_freq (impostazione predefinita: 20000 step). Se desideri caricare anche questi checkpoint intermedi (ad esempio, se l'addestramento dura a lungo e vuoi poter usare in qualsiasi momento un modello intermedio), aggiungi anche questa riga:

  --policy.save_checkpoint_to_hub=true \

Al momento del caricamento a ogni checkpoint viene assegnato un tag con lo stesso nome del numero di step (ad esempio 010000); in seguito, specificando questo tag al caricamento del modello potrai ottenere la versione corrispondente al numero di step, come descritto più avanti in "Caricare il modello già caricato".

Alcuni parametri opzionali

Aggiungi secondo necessità:

Parametro	Descrizione
--policy.private=true	imposta il repository come privato, così gli altri non possono vederlo
--policy.tags=act,so101	aggiunge tag al modello per facilitarne la ricerca
--policy.license=mit	specifica la licenza open source

Metodo 2: caricamento manuale al termine dell'addestramento

Questo è l'approccio più comune: durante l'addestramento scrivi come al solito --policy.push_to_hub=false; quando l'addestramento è terminato e hai confermato che i risultati sono soddisfacenti, carica manualmente il modello.

1. Accesso

Se hai già associato un Token puoi saltare questo passaggio; in caso contrario vedi Registrare un account Hugging Face (opzionale).

hf auth login
hf auth whoami

2. Caricamento

Supponiamo che la directory di output dell'addestramento ACT sia ~/output_lerobot_train/shake/act/:

export HF_USER=<nome-utente>

hf upload ${HF_USER}/shake_act_a \
  ~/output_lerobot_train/shake/act/checkpoints/last/pretrained_model

Il repository del modello non deve essere creato in anticipo: se hf upload rileva che non esiste, ne creerà automaticamente uno.

3. Caricare il checkpoint di un determinato numero di step

Se vuoi caricare solo un checkpoint intermedio invece dell'ultimo:

CKPT=005000
hf upload ${HF_USER}/shake_act_a_${CKPT} \
  ~/output_lerobot_train/shake/act/checkpoints/${CKPT}/pretrained_model

4. Caricamento dalla pagina web

Se il modello non è grande e non vuoi usare i comandi, puoi operare direttamente dalla pagina web di HuggingFace: crea un nuovo repository Model e trascina al suo interno i file della directory pretrained_model.

Caricare il modello già caricato

Dopo aver caricato il modello, in fase di deployment è sufficiente puntare --policy.path ad esso, senza doverlo prima scaricare in locale:

  --policy.path=<nome-utente>/shake_act_a \

Questo è più comodo che puntare a un percorso locale: cambiando computer, o se qualcuno conosce il tuo nome account, può usarlo direttamente. Nota che per scaricare un modello da HuggingFace è necessario potersi connettere ai suoi server; in ambienti di rete cinesi si consiglia di configurare prima il mirror seguendo Registrare un account Hugging Face (opzionale).

Se hai caricato più checkpoint e vuoi specificare quale usare, aggiungi il numero di versione:

  --policy.pretrained_revision=005000 \

005000 è il numero di step del checkpoint al momento del caricamento.

Note

• Il nome del repository del modello (repo_id) non ha alcuna relazione con --output_dir e --job_name nel comando di addestramento: sono indipendenti, quindi scegli pure un nome facilmente riconoscibile
• In tutti i comandi di addestramento del tutorial è scritto --policy.push_to_hub=false; se vuoi usare il caricamento automatico, cambia questa riga in true e aggiungi --policy.repo_id: entrambe sono indispensabili

Prodotti correlati

Kit sviluppatore SO-ARM101→