文档首页/ 具身智能开发平台 CloudRobo/ 最佳实践/ 基于Notebook进行模型二次开发/ 启动算法训练
更新时间：2026-09-01 GMT+08:00
查看PDF
分享

启动算法训练

环境配置和资产准备完成后，即可在Notebook中启动算法训练。本节以PI05算法为例，说明如何启动训练脚本，模型训推完成启动命令可参考LeRobot模型训推命令参考。开发者可根据实际需求修改算法代码和训练参数。

前提条件

参考环境配置与资产准备完成如下操作。

  • conda环境已激活，AK/SK已配置。
  • 已下载所需的基模型和数据集到本地目录。

启动训练（以PI05为例）

  1. 在Terminal中激活训练所需的conda环境。 

    conda activate lerobot-pi

  2. 设置HuggingFace离线缓存路径和相关环境变量。 

    export HF_HOME=/home/ma-user/.cache/huggingface/hf_cache
export HF_HUB_OFFLINE=1
export TRANSFORMERS_OFFLINE=1

  3. 执行以下训练命令，启动PI05模型训练。 

    accelerate launch --num_processes=1 scripts/train.py --policy.type=pi05 --policy.pretrained_path=<上述下载的PI05基模型地址> --policy.push_to_hub=false --output_dir=/home/xxx/_ckpt --dataset.root=<上述下载的数据集地址> --dataset.repo_id=cloudrobo --wandb.enable=true --policy.gradient_checkpointing=true --policy.dtype=bfloat16 --wandb.mode=offline --policy.normalization_mapping='{"ACTION": "MEAN_STD", "STATE": "MEAN_STD", "VISUAL": "IDENTITY"}' --save_freq=20 --steps=60

    关键参数说明如下：

    • policy.type=pi05：指定策略类型为PI05。
    • policy.pretrained_path：指定预训练基模型的本地路径，即2中下载的模型资产路径。
    • output_dir：指定训练产物的输出目录。
    • dataset.root：指定训练数据集的本地路径，即2中下载的模型资产路径。
    • dataset.repo_id：数据集的仓库ID。
    • save_freq：模型保存频率（步数）。
    • steps：训练总步数。

      脚本中的数据集路径、模型路径、输出目录需要根据实际调测环境修改。开发者可在/opt/cloud/lerobot_ascend_notebook/lerobot/目录下修改算法代码，自定义训练流程。

  4. 训练启动后，可在Terminal中查看训练日志和loss变化。训练完成后，模型产物会保存在output_dir指定的目录下。

相关文档