第七步:训练模型——上传模型到 Hugging Face(可选)

这一步是可选的。模型训练完就存在你的电脑或云GPU实例上，直接拿去推理完全没问题。只有当你需要备份模型、换一台机器推理、或者把模型分享给别人时，才需要把它上传到 HuggingFace。

命令中的占位符

本篇沿用了前面章节的占位符写法，请替换成你自己的信息，替换时连尖括号一起去掉：

• <你的用户名>：你的 HuggingFace 账号名
• <你的用户名>：你电脑的系统用户名，终端里输入 whoami 可以查看

方法一：训练时自动上传

在训练命令里加上两行参数，训练结束时会自动把模型传上去：

  --policy.push_to_hub=true \
  --policy.repo_id=<你的用户名>/shake_act_a \

这两行必须成对出现，只写 push_to_hub=true 会报错。 repo_id 就是你给这个模型起的仓库名，形如 账号名/模型名，仓库不存在的话 LeRobot 会自动创建。

比如 ACT 的完整命令就变成：

lerobot-train \
  --dataset.repo_id=<你的用户名>/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=<你的用户名>/shake_act_a \
  --steps=20000 \
  --batch_size=8

按上一节的说明，这一版训练跑完，模型就会出现在 https://huggingface.co/<你的用户名>/shake_act_a。

想连中间的检查点一起上传

训练过程中每隔 save_freq（默认 20000 步）会存一个检查点。如果你想把这些中间检查点也传上去（比如训练要跑很久，想随时取用中途的模型），再加上这一行：

  --policy.save_checkpoint_to_hub=true \

上传时每个检查点会被打上和步数同名的标签（比如 010000），后面加载模型时指定这个标签就能取到对应步数的版本，具体见下面的"加载上传的模型"。

几个可选参数

按需添加：

参数	说明
--policy.private=true	仓库设为私有，别人看不到
--policy.tags=act,so101	给模型加标签，便于检索
--policy.license=mit	指定开源协议

方法二：训练完成后手动上传

这是更常用的做法：训练时照常写 --policy.push_to_hub=false，等训练结束、确认效果满意了，再手动把模型传上去。

1. 登录

绑定过 Token 就可以跳过，没绑定过见注册Hugging Face账号（可选）。

hf auth login
hf auth whoami

2. 上传

假设 ACT 训练的输出目录是 ~/output_lerobot_train/shake/act/：

export HF_USER=<你的用户名>

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

模型仓库不需要提前创建，hf upload 发现仓库不存在会自动建一个。

3. 上传指定步数的检查点

如果只想传某个中间检查点，而不是最后一个：

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

4. 在网页上传

如果模型不大、又不想敲命令，也可以直接在 HuggingFace 网页上操作：新建一个 Model 仓库，把 pretrained_model 目录里的文件拖进去即可。

加载上传的模型

模型上传后，部署时把 --policy.path 指向它就行，不需要先下载到本地：

  --policy.path=<你的用户名>/shake_act_a \

这比指向本地路径更方便，换电脑、或者别人拿到你的账号名就能直接用。注意从 HuggingFace 拉取模型需要能连上它的服务器，国内网络环境下建议先按注册Hugging Face账号（可选）设置好镜像。

如果上传了多个检查点，想指定用哪一个，加上版本号：

  --policy.pretrained_revision=005000 \

005000 就是你上传时的那个检查点步数。

说明

• 模型的仓库名（repo_id）和训练命令里的 --output_dir、--job_name 没有关系，是独立的，取个好认的名字即可
• 教程里所有训练命令写的都是 --policy.push_to_hub=false，想用自动上传的话，把这一行改成 true 并补上 --policy.repo_id，两者缺一不可

相关产品

SO-ARM101 开发套件→