階段五：模型訓練（Linux）
本階段使用採集的數據集訓練策略（ACT 等），產出可部署的模型。Linux 是 GPU 訓練的最佳環境——CUDA torch 依賴自動解析，無需手動配置。
前置條件
已完成 階段四：數據採集
NVIDIA GPU（推薦）、CUDA 驅動（
nvidia-smi可查）數據集已錄製（本地緩存可見）
步驟 1：確認 GPU 環境
# 確認 CUDA 驅動
nvidia-smi
# 確認 torch 可用 CUDA
python -c "import torch; print('CUDA:', torch.cuda.is_available(), '| GPU:', torch.cuda.get_device_name(0) if torch.cuda.is_available() else 'N/A')"期望輸出：CUDA: True | GPU: <你的顯卡名>
⚠️ 注意（CUDA torch）：若
CUDA: False，說明裝的是 CPU 版 torch。重裝 CUDA 版：
# 官方源（海外網絡）
pip install torch --index-url https://download.pytorch.org/whl/cu128
# 中國大陸網絡優先使用阿里雲鏡像
pip install torch --index-url https://mirrors.aliyun.com/pytorch-wheels/cu128或用 CPU 訓練（
--policy.device=cpu，但速度慢很多）。
💡 提示：
pip install -e ".[amazinghand]"在 Linux 上通常已解析 GPU 版 torch（若檢測到 CUDA 環境）。若否，按上述命令重裝。
步驟 2：訓練
lerobot-train \
--dataset.repo_id=soarm_amazing_hand_pick \
--dataset.root=~/lerobot_data \
--policy.type=act \
--output_dir=outputs/train/soarm_amazing_hand_pick \
--job_name=soarm_amazing_hand_pick \
--policy.device=cuda \
--wandb.enable=false \
--policy.push_to_hub=false \
--steps=60000💡 說明：
--dataset.repo_id和--dataset.root必須與階段四錄製時完全一致（repo_id=soarm_amazing_hand_pick、root=~/lerobot_data），即可讀取本地數據集，無需 HF 登入。
參數說明
| 參數 | 說明 |
|---|---|
--dataset.repo_id | 數據集名稱（與錄製時一致） |
--dataset.root | 數據集本地路徑（與錄製時一致） |
--policy.type | 策略類型，act 為常用選擇 |
--output_dir | 訓練輸出目錄（checkpoints、日誌） |
--job_name | 任務名（用於日誌區分） |
--policy.device | cuda（GPU）或 cpu |
--wandb.enable | 權重日誌，false 關閉（無需 wandb 帳號） |
--policy.push_to_hub | 是否推送模型到 HF，false 僅本地 |
--steps | 訓練步數 |
訓練過程說明
checkpoints：每步自動儲存到
outputs/train/soarm_amazing_hand_pick/checkpoints/日誌：終端實時顯示 loss 等指標
時長：60000 步在消費級 GPU 上通常數小時（具體取決顯卡）
⚠️ 注意 1（步數調整）：
--steps=60000為 ACT 典型值。任務簡單可減至 30000，複雜任務可加至 100000+。觀察 loss 收斂情況。
⚠️ 注意 2（訓練中斷續跑）：中斷後重新執行同參數命令會從最後 checkpoint 繼續。
⚠️ 注意 3（wandb）：如需可視化 loss 曲線，可開
--wandb.enable=true（需wandb login）。預設關閉。
⚠️ 注意 4（無頭伺服器）：若在 SSH/無顯示器伺服器訓練，確保不要依賴 GUI（訓練本身無需顯示）。若使用
--display_data相關參數則需顯示伺服器。
⚠️ 注意 5（後台訓練）：長訓練建議用
nohup ... &或tmux保持進程，避免 SSH 斷開中斷：
tmux new -s train
lerobot-train --dataset.repo_id=...
# Ctrl+B 然後 D 脫離；tmux attach -t train 重新進入完成本階段後，進入 階段六：部署與評估。
故障排查
| 現象 | 原因 | 解決 |
|---|---|---|
CUDA: False | CPU 版 torch | 重裝 CUDA 版 torch |
| 顯存不足（OOM） | 批大小過大 | --policy.batch_size=8 或更低 |
| 數據集找不到 | repo_id/root 不一致 | 確認與錄製時 --dataset.repo_id 和 --dataset.root 完全一致 |
| 訓練中途 SSH 斷 | 進程被殺 | 用 tmux/nohup 後台訓練 |
wandb 報錯 | 未登入 | --wandb.enable=false 或 wandb login |