Hark
5591adb39a
- B-1 运行时投影护栏恢复 5 mm；老师轨迹按认证最小间隙 < 3 mm 剔除（stats/build_dataset，gapDrop） - B-2 APG 端点+中点 hinge 取均值；B-3 check_r2 空匹配保护、5000×50000、分块 256，pass=false 时 prep 停下 - B-4 R7 按全部 B/C 题统计；B-5 r8 起点贴柱；B-7 pipeline r4（export_onnx --random，训练前测延迟） - B-8 起步失败 ≤0.2%、column_gap 分块、pipefail、门禁结果先写 .tmp - 训练控制台：ml/console.bat|sh → ml/monitor.py（开始/停止/进度/日志接口）+ monitor.html； pipeline.sh all 支持 FROM/TO，阶段状态写 ml/runs/pipeline.json（ml/pstate.py）；训练/APG 日志加 total、t - 文档：README 一键运行与训练控制台；审查文档追加第三轮处置；方案余量决策与 R4 时点
59 lines
3.1 KiB
Python
59 lines
3.1 KiB
Python
"""导出部署包（方案 §8.4）：
|
||
python -m ml.export_onnx --ckpt ml/runs/current.pt --out webapp/models/traj_policy.onnx [--fp16]
|
||
输出 traj_policy.onnx（输入 feat[B,83]、z[B,16,6]；输出 act[B,16,6] 归一化增量、value[B]、sub[B,13]）
|
||
与 traj_policy.meta.json（碰撞模型指纹、特征版本、维度）。导出后用 onnxruntime 与 PyTorch 对拍。"""
|
||
import argparse, json, os
|
||
import numpy as np
|
||
import torch
|
||
|
||
from ml.common.kin_torch import Kin
|
||
from ml.common.features import F_DIM, H, FEAT_VER, STEP
|
||
from ml.model.policy import build
|
||
|
||
|
||
class Wrap(torch.nn.Module):
|
||
def __init__(self, m):
|
||
super().__init__(); self.m = m
|
||
|
||
def forward(self, feat, z):
|
||
return self.m.sample(feat, z)
|
||
|
||
|
||
def main():
|
||
ap = argparse.ArgumentParser()
|
||
ap.add_argument('--ckpt'); ap.add_argument('--random', metavar='CFG', help='R4 测延迟：按配置随机初始化导出，不需要训练'); ap.add_argument('--out', default='webapp/models/traj_policy.onnx')
|
||
ap.add_argument('--fp16', action='store_true'); ap.add_argument('--opset', type=int, default=17)
|
||
a = ap.parse_args()
|
||
if a.random: # 2026-10-18：R4（浏览器 batch=8 P99）提前到训练前测，延迟只取决于结构不取决于权重
|
||
torch.manual_seed(0); ck = {'cfg': json.load(open(a.random)), 'random_init': True}
|
||
m = build(ck['cfg']); m.eval()
|
||
elif a.ckpt:
|
||
ck = torch.load(a.ckpt, map_location='cpu')
|
||
m = build(ck['cfg']); m.load_state_dict(ck['model']); m.eval()
|
||
else: raise SystemExit('需要 --ckpt 或 --random <配置>')
|
||
kin = Kin()
|
||
if ck.get('fp') and ck['fp'] != kin.fp: raise SystemExit(f"checkpoint 指纹 {ck['fp']} ≠ 当前碰撞模型 {kin.fp}：须重训")
|
||
os.makedirs(os.path.dirname(a.out) or '.', exist_ok=True)
|
||
feat, z = torch.randn(8, F_DIM), torch.randn(8, H, 6)
|
||
torch.onnx.export(Wrap(m), (feat, z), a.out, input_names=['feat', 'z'], output_names=['act', 'value', 'sub'],
|
||
dynamic_axes={'feat': {0: 'B'}, 'z': {0: 'B'}, 'act': {0: 'B'}, 'value': {0: 'B'}, 'sub': {0: 'B'}},
|
||
opset_version=a.opset, dynamo=False)
|
||
if a.fp16:
|
||
from onnxconverter_common import float16
|
||
import onnx
|
||
mo = float16.convert_float_to_float16(onnx.load(a.out), keep_io_types=True)
|
||
onnx.save(mo, a.out)
|
||
import onnxruntime as ort
|
||
s = ort.InferenceSession(a.out, providers=['CPUExecutionProvider'])
|
||
o = s.run(None, {'feat': feat.numpy(), 'z': z.numpy()})
|
||
with torch.no_grad(): t = m.sample(feat, z)
|
||
err = max(float(np.abs(o[i] - t[i].numpy()).max()) for i in range(3))
|
||
meta = {'fp': kin.fp, 'tcp0': kin.tcp0.tolist(), 'head': m.head, 'feat_ver': FEAT_VER, 'f_dim': F_DIM, 'h': H, 'step': STEP, 'fp16': a.fp16,
|
||
'ckpt': os.path.abspath(a.ckpt) if a.ckpt else None, 'random_init': bool(a.random), 'eval': ck.get('eval'), 'max_abs_err_vs_torch': err}
|
||
json.dump(meta, open(a.out.replace('.onnx', '.meta.json'), 'w'), indent=1)
|
||
print(json.dumps({'onnx': a.out, 'MB': os.path.getsize(a.out) / 1e6, 'max_abs_err_vs_torch': err}))
|
||
|
||
|
||
if __name__ == '__main__':
|
||
main()
|