54 lines
2.3 KiB
Markdown
54 lines
2.3 KiB
Markdown
|
# 本机执行清单（给本地 AI 逐条执行）
|
||
|
|
|
||
|
|
本文件是 Hark 对本机计算的唯一要求清单。按顺序执行，每一步把「回传」里的文件或输出原样交给用户，不要跳步，不要自行改代码。
|
||
|
|
所有命令在仓库根目录（G:\Robot_v2\机器人手臂）的 Git Bash 里运行。完成的条目由 Hark 在下一次提交里删掉。
|
||
|
|
|
||
|
|
当前状态（2026-10-19 02:00）：第二次预训练开环已正常（候选多样性 0.65、8 候选最好 2.9 mm），闭环仍 0% 到达 / 100% 碰撞；
|
||
|
|
DAgger 阶段曾把显存吃到约 30 GB，原因是 kin.gaps 一次几千个点、cap=40 mm，已在 e0e99ca 修复（自动分块），尚未实测。
|
||
|
|
|
||
|
|
## 第 0 步：同步代码
|
||
|
|
|
||
|
|
```bash
|
||
|
|
git fetch gitea && git reset --hard gitea/main
|
||
|
|
git log --oneline -1 # 应不早于 e0e99ca
|
||
|
|
```
|
||
|
|
|
||
|
|
- 训练控制台若开着，先点「停止」，确认没有 python 训练进程在跑。
|
||
|
|
- 不要启动 DAgger / M5，等 Hark 看完第 1、2 步的结果再定。
|
||
|
|
|
||
|
|
## 第 1 步：gaps 显存峰值（不到 1 分钟）
|
||
|
|
|
||
|
|
```bash
|
||
|
|
PYTHONUTF8=1 python - <<'EOF'
|
||
|
|
import torch
|
||
|
|
from ml.common.kin_torch import Kin
|
||
|
|
kin = Kin(device='cuda')
|
||
|
|
for n, cap in [(512, 40.0), (4096, 4.0), (4096, 40.0)]:
|
||
|
|
q = kin.lo + (kin.hi - kin.lo) * torch.rand(n, 6, device='cuda')
|
||
|
|
torch.cuda.empty_cache(); torch.cuda.reset_peak_memory_stats()
|
||
|
|
with torch.no_grad(): kin.gaps(q, cap)
|
||
|
|
print(f'n={n:5d} cap={cap:4.0f} peak {torch.cuda.max_memory_allocated() / 2**30:6.2f} GiB', flush=True)
|
||
|
|
EOF
|
||
|
|
```
|
||
|
|
|
||
|
|
- 通过：三行峰值都 ≤ 2 GiB。
|
||
|
|
- 任务管理器里专用显存接近 24 GB 或共享显存开始上涨：立刻 Ctrl+C，回传已打印的行，不要继续第 2 步。
|
||
|
|
- 回传：终端输出的 3 行。
|
||
|
|
|
||
|
|
## 第 2 步：闭环失败定位（约 2–4 分钟）
|
||
|
|
|
||
|
|
```bash
|
||
|
|
PYTHONUTF8=1 python -m ml.eval.diag_cl --ckpt ml/runs/base/last.pt --n 256 --out ml/runs/diag_cl.json
|
||
|
|
```
|
||
|
|
|
||
|
|
- 运行期间看一眼任务管理器，专用显存应远低于 24 GB；超过 22 GB 就 Ctrl+C 并回传终端输出。
|
||
|
|
- 回传：`ml/runs/diag_cl.json`、`ml/runs/replay_teacher.json`、`ml/runs/base/log.jsonl`。
|
||
|
|
|
||
|
|
## 回传汇总
|
||
|
|
|
||
|
|
| 步骤 | 回传内容 |
|
||
|
|
|---|---|
|
||
|
|
| 1 | 终端 3 行峰值 |
|
||
|
|
| 2 | ml/runs/diag_cl.json、ml/runs/replay_teacher.json、ml/runs/base/log.jsonl |
|
||
|
|
| 任一步出错 | 终端最后 30 行输出 |
|