DP3复现代码运行逻辑全流程（三）——部署全流程代码eval_policy.py

此文章与 DP3复现代码运行逻辑全流程（二）——部署全流程代码eval_policy.sh 紧密相连

在 eval_policy.sh 中定义了相关参数，然后在 eval_policy.py 中进一步运行

该脚本使用 Hydra 框架管理配置的评估脚本。从配置文件中读取参数，设置项目的根目录，创建一个工作区实例，并调用其评估方法

接下来分析一下其运行逻辑

目录

1 函数入口 if __name__ == "__main__":

2 导入库函数

3 设置根目录

4 注册新的 OmegaConf 解析器:

5 定义主函数

6 举例

---

1 函数入口 if __name__ == "__main__":

Python 标准入口点，确保只有在脚本被直接执行时才会运行

2 导入库函数

import sys, import os, import pathlib: sys 用于访问系统参数和函数，os 用于与操作系统交互，pathlib 用于处理路径

import hydra: Hydra 用于配置管理

import torch: PyTorch 用于深度学习计算

import dill: Dill 用于序列化对象

from omegaconf import OmegaConf: OmegaConf 用于处理配置文件

from train import TrainDP3Workspace: TrainDP3Workspace 类负责管理训练和评估

3 设置根目录

ROOT_DIR = str(pathlib.Path(__file__).parent.parent.parent): 获取当前文件的上上级目录

sys.path.append(ROOT_DIR): 将根目录添加到系统路径，允许在项目的其他模块中导入

os.chdir(ROOT_DIR): 更改当前工作目录为项目的根目录

4 注册新的 OmegaConf 解析器:

OmegaConf.register_new_resolver("eval", eval, replace=True): 注册一个新的解析器，用于在配置文件中处理名为 "eval" 的表达式

5 定义主函数

采用了 Hydra 这个库，基础知识可以参见 DP3复现基础知识（一）—— Hydra 库

@hydra.main(
    version_base=None,
    config_path=str(pathlib.Path(__file__).parent.joinpath(
        'diffusion_policy_3d', 'config'))
)

装饰器，用于定义 Hydra 应用的入口点。指定了配置文件的位置

此处展开说明一下：

这个装饰器告诉 Hydra 使用指定的 config_path 路径中的配置文件来加载默认配置

当命令行中传入参数（如 task=${task_name}）时，Hydra 会自动覆盖相应的配置项，并生成一个包含所有配置的 cfg 对象

config_path 则指定了配置文件所在的文件夹路径

例如，config_name = dp3，在 diffusion_policy_3d/config 文件夹下，Hydra 会自动找到它

def main(cfg):
    workspace = TrainDP3Workspace(cfg)
    workspace.eval()

定义主函数，接收配置对象 cfg

创建工作区并执行评估

实例化 TrainDP3Workspace 类，将配置传递给它。这个类负责管理训练和评估的相关操作

调用工作区中的评估方法，执行模型的评估过程

此处展开说明一下：

Hydra 装饰器将会自动加载配置并将其传递给 main(cfg) 函数中的 cfg 参数

传入的命令行参数会自动覆盖配置中的默认值，并合并成 cfg 对象。通过 cfg，可以访问传入的所有参数

cfg 是 OmegaConf 的一个对象，包含了命令行传入的所有配置项和默认配置。代码中的 TrainDP3Workspace(cfg) 将 cfg 传递给 TrainDP3Workspace 类

假设 TrainDP3Workspace 使用 cfg 的属性（如 cfg.task、cfg.training.device），则这些属性的值已经被命令行传入的参数覆盖

TrainDP3Workspace 类 和 eval() 函数均在 train.py 脚本中

所以此脚本的主要作用，仍是导入库函数及设置工作目录，并没有详细的策略执行函数。最终详细函数与训练过程相似，均在 train.py 脚本中，这很好理解，执行过程只是训练过程的单步前向执行

6 举例

如果执行样例：

bash scripts/eval_policy.sh dp3 adroit_hammer 0112 0 0

在 eval_policy.sh 文件中，task_name = adroit_hammer，alg_name = config_name = dp3

Hydra 会加载 config_name.yaml （dp3.yaml）配置文件，默认配置会加载进 cfg 对象

adroit_hammer 和 training.device="cuda:0" 会覆盖配置文件中的相应值

最终，main(cfg) 函数中的 cfg 对象包含了所有的配置项，可以在 TrainDP3Workspace(cfg) 内部使用

因此，虽然在代码中没有显式看到传参的地方，但 @hydra.main 装饰器自动处理了这一过程，将参数传递并合并到 cfg 对象中供 main(cfg) 使用