मुख्य सामग्री पर जाएँ
स्रोत की जाँच हुई

MicroDuck स्थानीय प्रशिक्षण: पहले छोटा GPU परीक्षण

Python 3.12, बंद dependencies और CUDA जांच के बाद ही लंबा run शुरू करें।

निर्दिष्ट commit और Python 3.12 वातावरण से शुरू करें। dependencies को lockfile के अनुसार लगाएं, फिर CUDA और छोटा environment run जांचें; पूर्ण प्रशिक्षण सबसे बाद में है।

हिंदी संस्करण 31 अक्टूबर 2026 को प्रकाशित। नीचे मूल सामग्री की तारीख अलग है; पुरानी रिलीज को नई घोषणा न मानें। मूल संशोधन:

वातावरण दर्ज करें

OS, architecture, GPU, driver, Python और PyTorch/CUDA संस्करण लिखें। Windows पर चुने हुए WSL/Linux मार्ग की आवश्यकता जांचें; macOS को CUDA मशीन न मानें।

छोटे प्रयोग का क्रम

repository checkout और dependency sync के बाद import और device check करें। कम environments और छोटे run से memory तथा output checkpoint देखें। तभी लंबा प्रशिक्षण और compute budget तय करें।

त्रुटि आए तो

पहली पूरी त्रुटि, चलाया कमांड और आखिरी सफल चरण रखें। installation, GPU memory, simulation और model dimensions को अलग हल करें। इस साइट ने नया cloud run नहीं चलाया है।

स्रोत के संस्करण से संबंधित कमांड

git clone https://github.com/pollen-robotics/microduck_rl.git microduck-rl-first-run
cd microduck-rl-first-run
git checkout --detach 2b25a48b08f1f17bc38c90bb03144c81fbd9ed07
uv python install 3.12
uv sync --locked --python 3.12
uv run python - <<'PY'
import platform
import torch
print("Python:", platform.python_version())
print("Machine:", platform.system(), platform.machine())
print("PyTorch:", torch.__version__)
print("Built for CUDA:", torch.version.cuda)
print("CUDA available:", torch.cuda.is_available())
print("GPU count:", torch.cuda.device_count())
if torch.cuda.is_available():
    print("GPU:", torch.cuda.get_device_name(0))
PY
uv run list-envs
uv run train Mjlab-Velocity-Flat-MicroDuck \
  --env.scene.num-envs 64 \
  --agent.max_iterations 5
uv run train Mjlab-Velocity-Flat-MicroDuck \
  --env.scene.num-envs 64 \
  --agent.max_iterations 5 \
  --hf-jobs --timeout 1h --dry-run

Cloud training से पहले क्या जांचें?

पहले job preview, चुना GPU, अवधि, बजट और checkpoint स्थान की आधिकारिक प्रक्रिया पढ़ें। यह पृष्ठ कोई cloud job या शुल्क शुरू नहीं करता; training source और dependencies का छोटा परीक्षण पहले करें।

स्रोत और जाँच की तारीख

स्रोत का संस्करण 8 सितंबर 2026 · स्रोत की जाँच हुई

  1. मूल स्रोत 1 · github.com / README.md ↗
  2. मूल स्रोत 2 · github.com / pyproject.toml ↗
  3. मूल स्रोत 3 · docs.astral.sh / install-python ↗
  4. मूल स्रोत 4 · docs.astral.sh / sync ↗
  5. मूल स्रोत 5 · docs.pytorch.org / torch.cuda.is_available.html ↗
  6. मूल स्रोत 6 · github.com / README.md ↗
  7. मूल स्रोत 7 · github.com / hf_jobs.py ↗
  8. मूल स्रोत 8 · huggingface.co / jobs-pricing ↗
  9. मूल स्रोत 9 · huggingface.co / jobs-manage ↗