第七步:pi0fast 訓練命令列

執行之前

• 環境：先按雲GPU訓練環境配置開通實例、把數據集傳上去，再回到本篇執行"安裝環境"和"命令列"兩節
• 數據集：下面的訓練命令沒有寫 --dataset.root，它會從 HuggingFace Hub 上拉取數據集，所以需要數據集已經上傳到 Hub；如果數據集只在本地，請參考本篇末尾"之前的內容"那一段，補上 --dataset.root=~/lerobot_my_dataset_shake_hands
• 輸出目錄：--output_dir 如果已經存在，先用上面那條 sudo rm -rf 刪掉，或者換個新名字
• 訓練中隨時可以在 wandb 上看曲線，見 wandb查看實時訓練曲線

參考文檔

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

Issue

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

推薦雲GPU實例

安裝環境

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

命令行

• 刪除之前訓練中斷的output下的檔案

sudo rm -rf output_lerobot_train/shake/pi0_fast_A

• 訓練

lerobot-train \
    --dataset.repo_id=<你的使用者名稱>/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

之前的內容

lerobot-train \
  --dataset.repo_id=<你的使用者名稱>/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

執行後10分鐘左右，訓練才會正式開始

模型壓縮包5個G左右，解壓後7個G

相關產品

SO-ARM101 開發套件→