LeRobot Eğitim İçin Hesaplama Donanımı Kılavuzu

LeRobot politikası eğitmek için yaklaşık boyutlandırma: Her politikanın ne kadar VRAM'e ihtiyacı olduğu, eğitim süresinin nasıl göründüğü ve yerel donanım yeterli olmadığında nerede çalıştırılacağı.

Aşağıdaki sayılar gösterge niteliğindedir — donanım seçimi için büyüklük mertebesi değerleridir, kesin tahminler değildir. Verimlilik, veri seti girdi/çıkışı, görüntü çözünürlüğü, parti boyutu ve GPU sayısına büyük ölçüde bağlıdır.

Politika grubuna göre bellek

Policies, omurga boyutuna göre kümelenir; aşağıdaki gruplamalar, her politika için sayıları tekrarlamak yerine grup başına tek bir VRAM sınırı verir. Bellek, batch boyutuyla yaklaşık doğrusal olarak ölçeklenir; AdamW (LeRobot varsayılanı), yalnızca ileri+geri geçişe kıyasla ~%30–100 ekleyen optimizör durumu taşır.

Bellek kısıtlı mı? Batch boyutunu düşürün (~doğrusal), etkin batch boyutunu geri kazanmak için gradyan biriktirme kullanın veya SmolVLA için freeze_vision_encoder=True bırakın.

Eğitim süresi

Robotik imitasyon öğrenmesi genellikle ham adım sayıları yerine veri seti üzerinde 5–10 epoch içinde yakınsar. Epoch sayısını bildiğinizde, duvar saati süresi temelde şudur:

total_frames    = sum of frames over all episodes      # 50 ep × 30 fps × 30 s ≈ 45,000
steps_per_epoch = ceil(total_frames / (num_gpus × batch_size))
total_steps     = epochs × steps_per_epoch
wall_clock      ≈ total_steps × per_step_time

Adım başına süre, politika ve GPU'ya bağlıdır. Aşağıdaki tablodaki sayılar referans noktalarıdır — kendi kurulumunuza en yakın satırı seçin ve daha uzun veya daha kısa süre eğitim yapıyorsanız total_steps ile lineer olarak ölçekleyin.

Yaygın senaryolar

~50 epizodluk bir veri setinde (~45k kare, 30 fps × 30 sn) 5 epoch için gösterge niteliğinde duvar saati süresi, varsayılan optimizör (AdamW), 640×480 görüntüler:

Bunlar büyüklük sırası (order-of-magnitude) değerleridir. Gerçek çalıştırmalar, görüntü çözünürlüğü, veri seti girdi/çıkışı, dataloader iş parçacıkları (threading) ve tam GPU SKU'suna bağlı olarak ±%50 sapma gösterebilir. Bunlar, "bu çalıştırma bir saat mi yoksa bir gün mü sürecek?" sezgisi için faydalıdır; SLA'lar olarak kullanılmamalıdır.

Çoklu GPU çok önemlidir

accelerate launch --num_processes=N, eğitim süresini kısaltmanın en kolay yoludur. Her optimizasyon adımı, tek GPU'lu bir adımla yaklaşık aynı duvar saati süresinde N × batch_size örnek işler; bu nedenle hesaplama kısıtlı çalışmalarda 4 GPU ≈ 4× hızlanma sağlar. Tam kurulum için Multi GPU training kılavuzuna bakın.

4×H100 80 GB kümesindeki referans veri noktaları (accelerate launch --num_processes=4), 5000 adım, batch 32, AdamW, veri seti imstevenpmwork/super_poulain_draft (~50 bölüm, ~640×480 görüntüler):

Eğitim günlükleri, tam yinelemeyi dataloading_s (next(dl_iter)), preprocessing_s (görsel dönüştürme ve politika hattı) ve update_s (optimizör güncellemesi) olarak ayırır. step_s bu üçünü de kapsar ve samples_per_s değerini belirler. Yukarıdaki ölçüm bu bölünmeden önce yapıldığından, dataloading_s değeri ön işleme adımını da içerir.

Zamanlama ve denetim noktaları

Eğitimi kısaltırsanız (ör. küçük bir veri setinde 5k–10k adım), LR zamanlamasını da --policy.scheduler_decay_steps≈--steps ile kısaltın. Aksi halde LR zirvesine yakın kalır ve asla azalmaz. --save_freq için de aynı durum geçerlidir.

Nerede çalıştırılacak

VRAM ilk filtredir. Bir kademede seçim, bütçeye ve erişilebilirliğe göre yapılır — $–$$$$ sütunları görecelidir; fiilen kullandığınız sağlayıcıdaki güncel fiyatları kontrol edin.

Hugging Face İş İlanları

Hugging Face Jobs, GPU sahibi olmadan, saniye bazlı faturalandırılan yönetilen HF altyapısında eğitim çalıştırmanızı sağlar. lerobot-train işi sizin için gönderir ve akışını sağlar — normal bir eğitim komutuna --job.target=<flavor> eklemeniz yeterlidir:

lerobot-train \
  --policy.type=act --dataset.repo_id=<USER>/<DATASET> \
  --policy.repo_id=<USER>/act_<task> \
  --job.target=a10g-large

Notlar:

• Göndermeden önce hf auth login komutunu bir kez çalıştırın; iş, token'ınız altında çalışır.
• --job.target yukarıdaki tabloya karşılık gelir: t4-small/t4-medium (T4, yalnızca ACT), l4x1/l4x4 (L4 24 GB), a10g-small/large/largex2/largex4 (A10G 24 GB, ölçeklendirilmiş), a100-large (A100). Fiyatlandırma dahil güncel kataloğu hf jobs hardware ile listeleyebilir veya https://huggingface.co/docs/hub/jobs adresine bakabilirsiniz.
• İş, varsayılan olarak 2d (48 saat) zaman aşımına sahiptir. Zaman aşımını kısaltmak veya uzatmak için --job.timeout=4h (veya başka geçerli bir süre dizgesi) ile geçersiz kılın. İş, komut tamamlandığında otomatik olarak durdurulur.
• Tam anlatım için — veri seti yükleme, checkpoint akışı, bir işte çalışmayı sürdürme — imitation-learning eğitim kılavuzu'na bakın.