第七步:本機 Ubuntu 訓練

本篇適用於自己電腦上就有英偉達顯卡的情況，不需要雲GPU。

執行之前

• 環境：按第一步：安裝Lerobot環境裝好即可，本機訓練不用把數據集傳到別處
• 數據集：下面的例子用的是第六步第一篇採集的抓橘子數據集 lerobot_my_dataset_a，路徑寫成了絕對路徑，請替換成你自己的使用者名
• 在 Mac 上訓練：把命令裡的 /home/<你的使用者名稱>/ 換成 /Users/<你的使用者名稱>/
• 輸出目錄：--output_dir 如果已經存在，會直接報 FileExistsError，換個新目錄名，或者加 --resume=true 接著訓練

參考文檔

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

``前面只能有一個空格，後面不能有空格

數據集在本地時，--dataset.streaming必須為false，因為無需流式讀取

lerobot-train \
  --dataset.repo_id=<你的使用者名稱>/lerobot_my_dataset_a \
  --dataset.root=/home/<你的使用者名稱>/.cache/huggingface/lerobot/<你的使用者名稱>/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=<你的使用者名稱>/lerobot_my_dataset_a --dataset.root=/home/<你的使用者名稱>/.cache/huggingface/lerobot/<你的使用者名稱>/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

相關產品

SO-ARM101 開發套件→