Langsung ke isi
Sumber ditinjau

Training MicroDuck lokal: uji GPU kecil sebelum run panjang

Siapkan Python 3.12, dependensi terkunci dan pemeriksaan CUDA.

Mulai dari commit tetap dan Python 3.12. Pasang dependensi sesuai lockfile, periksa perangkat CUDA, lalu jalankan lingkungan kecil sebelum training penuh.

Edisi Indonesia terbit 31 Oktober 2026. Tanggal materi asli terpisah di bawah; rilis historis tidak menjadi pengumuman baru karena pelokalan. Revisi materi:

Catat mesin

Simpan OS, arsitektur, GPU, driver dan versi PyTorch/CUDA. Windows perlu jalur WSL/Linux yang sesuai; macOS tidak otomatis menyediakan CUDA.

Tahap pertama

Setelah checkout dan sinkronisasi dependensi, periksa import serta device detection. Gunakan sedikit environment dan run singkat untuk memeriksa memori serta keluaran checkpoint.

Saat gagal

Simpan perintah, galat pertama dan langkah terakhir yang berhasil. Pisahkan masalah instalasi, memori GPU, simulasi dan dimensi model. Tidak ada pekerjaan cloud baru yang dijalankan situs ini.

Perintah untuk revisi sumber ini

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

Sebelum memilih training cloud

Baca preview job,compute,durasi,biaya dan lokasi checkpoint pada sumber resmi. Halaman ini tidak menjalankan job atau pembayaran; periksa instalasi kecil dahulu.

Sumber dan tanggal tinjauan

Snapshot sumber 8 September 2026 · Sumber ditinjau

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