目录
4、问题4：模型测试时，报错assert torch.cuda.is_available
<<<<<项目环境建议：纯Linux或双系统的Linux环境，慎用虚拟机的Linux环境>>>>>
《项目简介》
进入 full tutorial for SO-100，按照流程操作
《环境配置》
git clone https://github.com/huggingface/lerobot.git ~/lerobotconda create -y -n lerobot python=3.10conda activate lerobotcd lerobot && pip install -e ".[feetech]"conda install -y -c conda-forge ffmpeg
pip uninstall -y opencv-python
conda install -y -c conda-forge "opencv>=4.10.0"注：项目更新后，原项目会报错缺少lerobot的模块，需重新更新环境
cd lerobot && pip install -e .sudo apt-get install git-lfs
git lfs install一、B站视频参考（推荐）
强力推荐UP主：黑狗木
lerobot aloha 采集数据并且训练
https://www.bilibili.com/video/BV1aSUFYJE4P/?spm_id_from=333.999.0.0&vd_source=27c7aca66453fbf427614cc52d0f156alerobot aloha 如何用AutoDL平台租用服务器进行训练数据https://www.bilibili.com/video/BV1C3UxY3Eq6/?spm_id_from=333.999.0.0&vd_source=27c7aca66453fbf427614cc52d0f156a
二、模型训练（在线采集数据）
1、前提准备
（1）激活环境
conda activate lerobotcd lerobot（2）登录huggingface
开启clash，再设置linux命令行代理
解决Linux＜云服务器＞访问HuggingFace的问题（操作记录）
export http_proxy=http://127.0.0.1:7890
export https_proxy=http://127.0.0.1:7890用个人申请的Access Tokens代替${HUGGINGFACE_TOKEN}
huggingface-cli login --token ${HUGGINGFACE_TOKEN} --add-to-git-credentialHF_USER=$(huggingface-cli whoami | head -n 1)
echo $HF_USER2、设置硬件权限并进行测试
sudo chmod 777 /dev/ttyACM0
sudo chmod 777 /dev/ttyACM1python lerobot/scripts/control_robot.py teleoperate \
--robot-path lerobot/configs/robot/so100.yaml测试硬件连接没问题就可以关掉 control_robot.py
3、采集数据（新的采集命令、新的数据集ID）
注：需将本地数据集上传1次，保证huggingface新建有该数据集ID
--resume 0表示创建一个新的空数据集或加载已有的数据集，重新录制。
--resume 1表示加载现有的数据集，在现有数据集上继续录制。现有的数据集来源有两处，local_files_only 0会从远程仓库获取数据集，local_files_only 1只会使用本地数据集
--push-to-hub 0表示数据不上传
--push-to-hub 1表示数据上传
首先，新建一个叫“My1208_test”的本地数据集，并将该数据集上传到huggingface（第一次操作即可）
python lerobot/scripts/control_robot.py record \
--robot-path lerobot/configs/robot/so100.yaml \
--fps 30 \
--root data \
--repo-id ${HF_USER}/My1208_test \
--tags so100 tutorial \
--warmup-time-s 5 \
--episode-time-s 40 \
--reset-time-s 10 \
--num-episodes 1 \
--single-task "Pick up the white toy tiger and place it into the plate." \
--resume 0 \
--push-to-hub 1然后，在现有的本地数据集上继续录制，并将数据集也同步上传到huggingface（后续操作）
python lerobot/scripts/control_robot.py record \
--robot-path lerobot/configs/robot/so100.yaml \
--fps 30 \
--root data \
--repo-id ${HF_USER}/My1208_test \
--tags so100 tutorial \
--warmup-time-s 5 \
--episode-time-s 40 \
--reset-time-s 10 \
--num-episodes 4 \
--single-task "Pick up the white toy tiger and place it into the plate." \
--resume 1 \
--local-files-only 1 \
--push-to-hub 1至此，就在huggingface上新建了一个数据集My1208_test，且数据集存有5组数据
4、加载huggingface数据进行模型训练
export HYDRA_FULL_ERROR=1python lerobot/scripts/train.py dataset_repo_id=${HF_USER}/My1208_test policy=act_so100_real env=so100_real hydra.run.dir=outputs/train/act_so100_test hydra.job.name=act_so100_test device=cuda wandb.enable=false模型训练权重保存在outputs/train/act_so100_test
三、模型测试
1、前提准备
（1）激活环境
conda activate lerobotcd lerobot（2）登录huggingface
开启clash，再设置linux命令行代理
解决Linux＜云服务器＞访问HuggingFace的问题（操作记录）
export http_proxy=http://127.0.0.1:7890
export https_proxy=http://127.0.0.1:7890huggingface-cli login --token ${HUGGINGFACE_TOKEN} --add-to-git-credentialHF_USER=$(huggingface-cli whoami | head -n 1)
echo $HF_USER2、设置硬件权限并进行测试
sudo chmod 777 /dev/ttyACM0
sudo chmod 777 /dev/ttyACM1python lerobot/scripts/control_robot.py teleoperate \
--robot-path lerobot/configs/robot/so100.yaml测试硬件连接没问题就可以关掉 control_robot.py
3、加载权重进行模型测试
模型训练完毕后，就会在outputs/train/act_so100_test 得到checkpoints文件
模型测试的代码与之前用于记录训练数据集的命令几乎相同，有两处不同：
1、有一个额外的--pretrained-policy-name-or-path参数，以指示策略检查点路径（ --pretrained-policy-name-or-path outputs/train/eval_so100_test/checkpoints/last/pretrained_model ）
2、数据集名称以 eval 开头，反映正在运行推理（ --repo-id ${HF_USER}/eval_act_so100_test ）
首先，新建一个叫“eval_act_so100_test”的本地推理数据集，并将该数据集上传到huggingface（第一次操作即可）
python lerobot/scripts/control_robot.py record \
--robot-path lerobot/configs/robot/so100.yaml \
--fps 30 \
--repo-id ${HF_USER}/eval_act_so100_test \
--tags so100 tutorial eval \
--warmup-time-s 5 \
--episode-time-s 40 \
--reset-time-s 10 \
--num-episodes 1 \
--single-task "Pick up the white toy tiger and place it into the plate." \
--resume 0 \
--push-to-hub 1 \
--pretrained-policy-name-or-path outputs/train/act_so100_test/checkpoints/last/pretrained_model然后，在现有的本地推理数据集上继续录制，并将数据集也同步上传到huggingface（后续操作）
python lerobot/scripts/control_robot.py record \
--robot-path lerobot/configs/robot/so100.yaml \
--fps 30 \
--repo-id ${HF_USER}/eval_act_so100_test \
--tags so100 tutorial eval \
--warmup-time-s 5 \
--episode-time-s 40 \
--reset-time-s 10 \
--num-episodes 4 \
--single-task "Pick up the white toy tiger and place it into the plate." \
--resume 1 \
--local-files-only 1 \
--push-to-hub 1 \
--pretrained-policy-name-or-path outputs/train/act_so100_test/checkpoints/last/pretrained_model至此，就在huggingface上新建了一个推理数据集eval_act_so100_test，且数据集存有5组数据
注：last不可用的话，可用checkpoints里的其他文件来替代。 --pretrained-policy-name-or-path outputs/train/act_so100_test/checkpoints/080000/pretrained_model
四、遇到问题（项目更新带来的一系列问题）
1、问题1：采集数据时，提示缺少lerobot
- 问题：旧项目的旧采集方式会报错
- 解决：重新更新环境
pip install -e .2、问题2：模型训练时，训练命令错误
- 问题：复制粘贴了项目的原代码指令，执行时命令不完整
- 解决：重新编排格式，正确命令格式见《3、加载huggingface数据进行模型训练》
3、问题3：模型训练时，提示数据不兼容
- 问题：模型训练，数据不兼容，照着提示来修改，还是没有解决
- 解决：重新下载新的项目，重新用新的采集指令，重新创建新的数据集 （不可新旧数据混用）
4、问题4：模型测试时，报错assert torch.cuda.is_available
- 问题：Windows虚拟机VMware创建的Linux环境，无法使用显卡，导致报错
- 解决：换系统，采用纯Linux系统或双系统的Linux即可解决该问题，慎用虚拟机Linux环境
5、问题5：模型测试时，模型路径报错
- 问题：last已断开，导致报错
- 解决：直接用具体文件代替，命令中的last可用checkpoints里的其他文件来替代。--pretrained-policy-name-or-path outputs/train/act_so100_test/checkpoints/080000/pretrained_model
扫一扫
769
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
