Huấn luyện MicroDuck tại máy: thử GPU nhỏ trước

Bắt đầu bằng commit cố định và Python 3.12. Cài theo lockfile, kiểm tra CUDA rồi chạy môi trường nhỏ trước một đợt huấn luyện dài.

Bản tiếng Việt xuất bản 31/10/2026. Ngày tài liệu gốc được ghi riêng; bản dịch không biến release cũ thành tin mới. Mốc sửa nội dung: 8 tháng 9, 2026

Ghi cấu hình

Lưu OS, kiến trúc, GPU, driver và PyTorch/CUDA. Windows cần lộ trình WSL/Linux tương ứng; macOS không tự có CUDA.

Thử đầu tiên

Sau checkout và đồng bộ dependency, kiểm tra import cùng device detection. Dùng ít environment và run ngắn để xem bộ nhớ, đầu ra checkpoint.

Khi lỗi

Giữ lệnh, lỗi đầu và bước cuối thành công. Tách lỗi cài đặt, bộ nhớ GPU, mô phỏng và kích thước model. Trang không chạy cloud mới cho bài này.

Lệnh của đúng phiên bản nguồn

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

Trước khi chọn cloud training

Đọc preview job,compute,thời lượng,chi phí và nơi checkpoint ở nguồn chính thức. Trang không chạy tác vụ hay thu phí; kiểm môi trường nhỏ trước.

Nguồn và ngày kiểm tra

Bản nguồn được kiểm tra 8 tháng 9, 2026 · Đã kiểm tra nguồn