基于百舸平台训练模版快速微调openpi模型
OpenPI（Open Physical Intelligence） 是由Physical Intelligence团队开发的开源机器人基础模型项目，专注于视觉-语言-动作（VLA）的联合建模，旨在实现通用机器人控制。
目前百舸AI计算平台提供了openpi/π0及π0-fast 模型的训练模版，内置训练代码和镜像，您可以在平台分布式训练模块中，快速发起训练。
前置条件
算力和存储资源准备
算力资源
下表给出了不同模型在百舸默认参数和数据集的情况下，训练所依赖的最低配置：
| 模型名称 | 训练方式 | 训练资源配置 |
|---|---|---|
| openpi/π0 | Finetune | H800/A800*1卡 |
| openpi/π0-fast | Finetune | H800/A800*1卡 |
存储资源
为保证训练的性能，推荐使用并行文件存储PFS。
数据准备
数据集准备
可使用官方数据集：https://huggingface.co/datasets/openvla/modified_libero_rlds
百舸平台已经在对象存储BOS中预置上述训练数据集。您可以从对应地域的BOS路径中下载数据。请参考下载百舸平台预置的公共数据到PFS
1bos:/aihc-rdw-bj/openpi/pi0-fast/data/modified_libero_rlds数据转换为LeRobot dataset
将自定义的数据集转换为LeRobot dataset。可以使用官方脚本进行转换。
百舸平台已经在对象存储BOS中预置转换后数据集，您可以从对应地域的BOS路径中下载数据.
1bos:/aihc-rdw-bj/openpi/pi0-fast/data/libero准备数据映射文件和训练配置文件（可选）
如需要使用自定义的数据集微调模型，需要重新定义数据处理和训练的配置。以下Libero 数据集作为示例，您可以针对自己的数据集进行修改
- 定义从 Libero 环境到模型的数据映射的配置，示例参考，如需要自定义，可以在训练代码中指定
DATA_CONFIG文件路径替换。 -
定义微调超参数、数据配置和权重加载器配置。如需要自定义，可以在训练代码中指定
TRAINING_CONFIG文件即可config文件参考示例：
Plain Text1bos:/aihc-rdw-bj/openpi/pi0-fast/training_config.py
模型权重& tokenizer准备
百舸平台已经在对象存储BOS中预置模型权重,您可以从对应地域的BOS路径中下载数据。
openpi/π0 模型权重
1bos:/aihc-models-bj/openpi/pi0/ckpt/pi0_baseopenpi/π0-fast 模型权重
1bos:/aihc-models-bj/openpi/pi0-fast/ckpt/pi0_fast_baseTokenizer：
1bos:/aihc-models-bj/openpi/pi0-fast/tokenizer/paligemma_tokenizer.model进行训练
- 登录百舸AI计算平台AIHC控制台。
-
进入 分布式训练 列表页面，点击创建任务，填写任务配置信息：
-
基础信息
- 任务名称：输入您的自定义任务名称
- 资源池&队列：选择已创建的资源池和队列
- 优先级：默认 中 优先级，无需更改
- 训练框架：选择Pytorch
- 任务创建方式： 选择 基于开源模型训练模版创建
- 模型：选择对应的模型和训练方式
-
环境配置
- 镜像地址：无需更改，平台默认提供
-
执行命令：系统已经默认训练的启动参数，需要替换
DATA_PATH、TRAINING_CONFIG等配置信息DATA_PATH:数据集的路径DATA_CONFIG:如使用上述平台提供的libero数据集，这里则不填写，使用默认的DATA_CONFIG。如自定义数据集，则需要配置此文件TRAINING_CONFIG:如使用平台预置的数据集、训练配置等，无需填写，使用默认的TRAINING_CONFIG；如需要自定义更多的训练参数等配置，则需要配置此文件TRAINING_CONFIG_NAME:如使用上述平台提供的libero数据集，则无需填写；如自定义数据集，则需要自定义填写PALIGEMMA_TOKENIZER_PATH: 模型的tokenizer路径REPO_ID:如使用上述平台提供的libero数据集，则无需填写；如自定义数据集，则需要自定义填写BASE_CHECKPOINT_LOAD_PATH:模型原始权重的路径CHECKPOINT_SAVE_BASEDIR:模型训练后权重的保存路径CHECKPOINT_SAVE_INTERVAL:模型训练权重的保存间隔，如1000
- 环境变量：无需更改
-
资源配置
- 实例数：这里我们选择的是openpi模型的微调，使用H800训练
- 加速芯片：这里选择提前准备的GPU，单实例1/8卡
- 共享内存：默认10Gi
- RDMA：默认开启，无需更改
-
设置数据源
- 存储类型：这里选择我们提前准备的PFS
- PFS源路径：PFS的挂载路径，默认根目录，按实际情况填写
- 挂载路径：容器内的挂载路径
-
- 点击 完成，提交训练任务。
观察训练迭代
任务提交后，您可以通过任务日志观察训练的迭代情况
