第七步:训练模型——本地 Ubuntu 训练

本篇适用于自己电脑上就有英伟达显卡的情况，不需要云GPU。

运行之前

• 环境：按第一步：安装Lerobot环境装好即可，本机训练不用把数据集传到别处
• 数据集：下面的例子用的是第六步第一篇采集的抓橘子数据集 lerobot_my_dataset_a，路径写成了绝对路径，请替换成你自己的用户名
• 在 Mac 上训练：把命令里的 /home/<你的用户名>/ 换成 /Users/<你的用户名>/
• 输出目录：--output_dir 如果已经存在，会直接报 FileExistsError，换个新目录名，或者加 --resume=true 接着训练

参考文档

https://github.com/huggingface/lerobot/blob/main/src/lerobot/scripts/lerobot_train.py

https://github.com/huggingface/lerobot/blob/main/src/lerobot/configs/train.py

• 注意

``前面只能有一个空格，后面不能有空格

数据集在本地时，--dataset.streaming必须为false，因为无需流式读取

lerobot-train \
  --dataset.repo_id=<你的用户名>/lerobot_my_dataset_a \
  --dataset.root=/home/<你的用户名>/.cache/huggingface/lerobot/<你的用户名>/lerobot_my_dataset_a \
  --dataset.revision=v0.4.0 \
  --dataset.streaming=false \
  --policy.type=act \
  --output_dir=output_lerobot_train/a \
  --job_name=orange_job \
  --policy.device=cuda \
  --wandb.enable=true \
  --wandb.project=Lerobot_my_Project \
  --policy.push_to_hub=false \
  --steps=300000 \
  --batch_size=8
  
lerobot-train --dataset.repo_id=<你的用户名>/lerobot_my_dataset_a --dataset.root=/home/<你的用户名>/.cache/huggingface/lerobot/<你的用户名>/lerobot_my_dataset_a --dataset.revision=v0.4.0 --dataset.streaming=false --policy.type=act --output_dir=output_lerobot_train/a --job_name=orange_job --policy.device=cuda --wandb.enable=true --wandb.project=Lerobot_my_Project --policy.push_to_hub=false --steps=300000 --batch_size=8

相关产品

SO-ARM101 开发套件→