DP3复现基础知识（一）—— Hydra 库

最新推荐文章于 2025-05-30 17:25:08 发布

原创最新推荐文章于 2025-05-30 17:25:08 发布 · 685 阅读

7 ·

CC 4.0 BY-SA版权

文章标签：

#人工智能 #机器人 #python

DP3 专栏收录该内容

6 篇文章

订阅专栏

DP3 无论是 train 还是 eval 均使用了 Hydra 这一个python 库，这就有些代码在看的时候难以理解其通讯逻辑，例如：

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

Hydra 是一个用于管理复杂配置的开源框架，特别适用于需要动态配置的 Python 项目。它的主要功能是允许用户通过多种方式（如配置文件、命令行参数、环境变量等）管理和合成配置

Hydra 最初由 Facebook 开发，已成为了处理大规模机器学习、深度学习和其他数据科学项目中配置的一个主流工具

而 DP3 中就是使用 Hydra 管理 yaml 配置文件

所以本文讲解一下 Hydra 基础知识和使用教程

官方网站：Hydra

官方教程地址：Getting started

Github地址：hydra

1. 安装

pip install hydra-core --upgrade

2. 配置文件

Hydra 使用 YAML 语言书写配置文件。YAML（YAML Ain't Markup Language）是一种简洁的数据序列化格式，常用于配置文件、数据交换、日志记录等场景

通常把需要的配置写在 config.yaml 中，DP3 的配置文件在如下位置

3. 应用文件

编写 application：my_app.py，模板如下：

import hydra
from omegaconf import DictConfig, OmegaConf

@hydra.main(version_base=None, config_path="conf", config_name="config")
def my_app(cfg : DictConfig) -> None:
    print(OmegaConf.to_yaml(cfg))

if __name__ == "__main__":
    my_app()

这下就能明白 DP3 eval.py 文件的内容了

import os
import hydra
import torch
import dill
from omegaconf import OmegaConf
import pathlib
from train import TrainDP3Workspace

OmegaConf.register_new_resolver("eval", eval, replace=True)
    

@hydra.main(
    version_base=None,
    config_path=str(pathlib.Path(__file__).parent.joinpath(
        'diffusion_policy_3d', 'config'))
)
def main(cfg):
    workspace = TrainDP3Workspace(cfg)
    workspace.eval()

if __name__ == "__main__":
    main()

OmegaConf 更多相关内容可以参考 Usage

在运行 application 时候，config.yaml 会自动加载

也可以在 application 中通过命令行覆盖 config.yaml 中的值，例如 DP3 命令示例：

bash scripts/train_policy.sh dp3 adroit_hammer 0112 0 0

4. 补充示例

首先，config.yaml 处于文件夹 config 中，config 应与 application 处于同一级

其次，有时候需要使用不同模型并设置不同的超参数，此时可以在文件夹 config 中为每个模型编写一个配置文件，被称为一个配置组（configuration group），DP3样例如下：