wuwenhai
/
bev-project
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
bev-project/TRAINING_QUICK_REFERENCE.txt

367 lines
12 KiB
Plaintext
Raw Permalink Normal View History

Complete project state snapshot: Phase 4B RMT-PPAD Integration 🎯 Training Status: - Current Epoch: 2/10 (13.3% complete) - Segmentation Dice: 0.9594 - Detection IoU: 0.5742 - Training stable with 8 GPUs 🔧 Technical Achievements: - ✅ RMT-PPAD Transformer segmentation decoder integrated - ✅ Task-specific GCA architecture optimized - ✅ Multi-scale feature fusion (180×180, 360×360, 600×600) - ✅ Adaptive scale weight learning implemented - ✅ BEVFusion multi-task framework enhanced 📊 Performance Highlights: - Divider segmentation: 0.9793 Dice (excellent) - Pedestrian crossing: 0.9812 Dice (excellent) - Stop line: 0.9812 Dice (excellent) - Carpark area: 0.9802 Dice (excellent) - Walkway: 0.9401 Dice (good) - Drivable area: 0.8959 Dice (good) 🛠️ Code Changes Included: - Enhanced BEVFusion model (bevfusion.py) - RMT-PPAD integration modules (rmtppad_integration.py) - Transformer segmentation head (enhanced_transformer.py) - GCA module optimizations (gca.py) - Configuration updates (Phase 4B configs) - Training scripts and automation tools - Comprehensive documentation and analysis reports 📅 Snapshot Date: Fri Nov 14 09:06:09 UTC 2025 📍 Environment: Docker container 🎯 Phase: RMT-PPAD Integration Complete
2025-11-14 17:06:09 +08:00
================================================================================
BEVFusion 训练快速参考
最后更新: 2025-11-06 15:46 (北京时间)
================================================================================
当前训练阶段: Phase 4A Stage 1 - Task-specific GCA优化
配置文件: multitask_BEV2X_phase4a_stage1_task_gca.yaml
状态: 🟢 正在运行
进度: Epoch 6, Iter 4950/15448 (32%完成)
启动时间: 2025-11-06 03:59 UTC
预计完成: 2025-11-13 (7天后)
================================================================================
1. 当前训练状态 - 实时更新
================================================================================
【最新状态 - 2025-11-06 15:46】
✅ 训练正常运行中
- Epoch: [1]/20 (从epoch_5.pth继续，实际为Epoch 6)
- Progress: 4950/15448 iterations (32.0%)
- 运行时长: 3小时47分钟
- Loss: 2.4543 (稳定下降)
- GPU: 8卡全部满载
- 显存: ~29GB/GPU
- 速度: 2.66秒/iteration
【关键性能指标】
Divider Dice Loss: 0.5339 (vs Epoch 5: 0.5140, 改善+3.9%)
Detection IoU: 0.6179 (良好)
Overall Loss: 2.45 (从启动时2.47下降)
【预计时间】
- Epoch 6完成: 今晚23:26 (北京时间)
- 全部训练完成: 2025-11-13 (约7天)
================================================================================
1.1 历史训练状态
================================================================================
Phase 5 Enhanced训练: ✅ 完成
- 模型: EnhancedBEVSegmentationHead
- Epochs: 23/23
- 完成时间: 2025-10-29 23:21
- Checkpoint: enhanced_from_epoch19/epoch_23.pth (516MB)
- 特性: ASPP + Attention + Deep Supervision + GroupNorm
Phase 4A Stage 1 状态: ✅ 运行中
- 脚本: START_PHASE4A_TASK_GCA_BACKGROUND.sh (已启动)
- 配置: multitask_BEV2X_phase4a_stage1_task_gca.yaml
- 起点: epoch_5.pth (已加载)
- 当前: Epoch 6 进行中 (32%完成)
- 目标: epoch_20.pth (还需15个epochs)
- 日志: /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log
- PID: 1234388 (18个相关进程)
================================================================================
2. Task-specific GCA架构说明
================================================================================
【核心创新】
Decoder Neck → 原始BEV (512通道，完整信息)
├─ 检测GCA (独立) → 检测最优BEV → 检测头
└─ 分割GCA (独立) → 分割最优BEV → 分割头
【配置参数】
task_specific_gca:
enabled: true
in_channels: 512
reduction: 4
object_reduction: 4 # 检测GCA降维比例
map_reduction: 4 # 分割GCA降维比例
【优势】
✅ 每个任务根据自己需求选择通道
✅ 避免统一选择的折中问题
✅ 参数增加: 仅0.26M
✅ 计算增加: ~1.6ms (0.06%)
【当前效果】
Divider性能改善: +3.9% (Epoch 6进度32%时)
Overall Loss稳定: 2.45 (波动2.3-2.5)
================================================================================
3. 快速监控命令 - 当前训练
================================================================================
【实时监控】
# 查看训练日志（最推荐）
tail -f /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep "Epoch \["
# 只看Loss和关键指标
tail -f /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep -E "loss/map/divider|loss:" | grep "Epoch \["
# 查看Divider性能
tail -f /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep "loss/map/divider/dice"
【GPU监控】
# 实时GPU状态
watch -n 5 nvidia-smi
# 查看GPU利用率
nvidia-smi --query-gpu=index,utilization.gpu,memory.used,temperature.gpu --format=csv
【进程监控】
# 检查训练进程
ps aux | grep train.py | wc -l # 应该显示18
# 查看主进程
ps aux | grep "[t]rain.py" | head -3
【日志分析】
# 查看最近进度
tail -100 /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep "Epoch \[" | tail -5
# 统计当前iteration
tail -1 /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep -oP '\[\d+/\d+\]'
# 查看日志文件大小
ls -lh /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log
================================================================================
4. 训练启动命令
================================================================================
【当前运行的训练】
启动命令:
cd /workspace/bevfusion && bash START_PHASE4A_TASK_GCA_BACKGROUND.sh
实际执行的命令:
torchpack dist-run -np 8 /opt/conda/bin/python tools/train.py \
configs/nuscenes/det/transfusion/secfpn/camera+lidar/swint_v0p075/multitask_BEV2X_phase4a_stage1_task_gca.yaml \
--load_from /workspace/bevfusion/runs/run-326653dc-2334d461/epoch_5.pth \
--data.samples_per_gpu 1 \
--data.workers_per_gpu 0
状态: ✅ 运行中 (PID: 1234388)
日志: /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log
【如需重启（请勿轻易执行）】
# 1. 先停止当前训练
killall -9 python
# 2. 等待GPU释放
sleep 5
# 3. 重新启动
bash START_PHASE4A_TASK_GCA_BACKGROUND.sh
================================================================================
5. Checkpoint管理
================================================================================
【当前可用Checkpoints】
runs/run-326653dc-2334d461/
├─ epoch_3.pth (525MB)
├─ epoch_4.pth (525MB)
└─ epoch_5.pth (525MB) ✅ 当前训练起点
runs/enhanced_from_epoch19/
└─ epoch_23.pth (516MB) ✅ Phase 5完成
/data/runs/phase4a_stage1_task_gca/
└─ (Epoch 6+的checkpoint将保存在这里，每个~525MB)
【Checkpoint查看】
# 查看最新checkpoint
ls -lt /data/runs/phase4a_stage1_task_gca/*.pth 2>/dev/null | head -5
# 查看checkpoint大小
du -sh /data/runs/phase4a_stage1_task_gca/*.pth
================================================================================
6. 性能追踪
================================================================================
【当前性能 (Epoch 6, 32%完成)】
分割 (Dice Loss):
Drivable Area: 0.11 ✅ 优秀
Ped Crossing: 0.23 🟡 中等
Walkway: 0.22 🟡 中等
Stop Line: 0.35 🔴 困难
Carpark Area: 0.20 🟡 中等
Divider: 0.53 ⚠️ 最困难 (改善+3.9%)
检测:
Matched IoU: 0.6179 ✅ 良好
【预期最终性能 (Epoch 20)】
总mIoU: 52% → 61% (+17%)
Divider: Dice 0.51 → 0.42 (-18%改善)
检测mAP: 0.67 → 0.70 (+4.5%)
================================================================================
7. 评估和测试
================================================================================
【评估配置】
当前训练的评估设置:
- 频率: 每10 epochs (减少75%开销)
- 验证样本: 3010个 (load_interval=2, 减少50%)
- 下次评估: Epoch 10
【手动评估】
# 评估指定checkpoint
torchpack dist-run -np 8 python tools/test.py \
configs/nuscenes/det/transfusion/secfpn/camera+lidar/swint_v0p075/multitask_BEV2X_phase4a_stage1_task_gca.yaml \
/data/runs/phase4a_stage1_task_gca/epoch_6.pth \
--eval bbox map
================================================================================
8. 当前训练关键信息
================================================================================
【Task-specific GCA架构】
核心创新:
Decoder Neck → 原始BEV (512通道)
├─ 检测GCA (独立) → 检测最优特征 → 检测头
└─ 分割GCA (独立) → 分割最优特征 → 分割头
优势:
✅ 每个任务独立选择最优特征
✅ 避免shared GCA的折中问题
✅ 参数增加仅0.26M
✅ 计算开销仅+1.6ms
配置参数:
task_specific_gca:
enabled: true
in_channels: 512
reduction: 4
object_reduction: 4 # 检测GCA
map_reduction: 4 # 分割GCA
【当前性能观察】
Epoch 6进度32%时:
- Divider改善: +3.9% (0.5140 → 0.5339)
- Loss稳定: 2.45 (波动在2.3-2.5)
- 检测IoU: 0.6179 (良好)
【预期最终成果】(Epoch 20)
- 总mIoU: 52% → 61% (+17%)
- Divider: Dice 0.51 → 0.42 (-18%改善)
- 检测mAP: 0.67 → 0.70 (+4.5%)
【评估优化】
- 评估频率: 每10 epochs (减少75%开销)
- 验证样本: 3010个 (减少50%)
- 避免了之前Epoch 5的磁盘空间崩溃问题
================================================================================
9. 常见问题排查
================================================================================
【问题1: 训练卡住不动】
检查:
ps aux | grep train.py | wc -l # 应该是18
nvidia-smi # 检查GPU是否在工作
解决:
如果进程存在但GPU不工作，可能是死锁
killall -9 python
bash START_PHASE4A_TASK_GCA_BACKGROUND.sh
【问题2: 磁盘空间不足】
检查:
df -h /workspace
du -sh /data/runs/phase4a_stage1_task_gca/
解决:
删除旧的checkpoint（保留最新几个）
rm /workspace/bevfusion/runs/run-326653dc-2334d461/epoch_3.pth
【问题3: Loss不下降或异常】
检查:
tail -50 /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep "loss:"
观察:
- Loss应该在2.3-2.5之间波动
- 如果突然暴涨到10+，可能需要降低学习率
【问题4: GPU OOM】
当前配置已优化:
- samples_per_gpu=1
- workers_per_gpu=0
- 显存占用~29GB/GPU
如果仍OOM:
- 检查是否有其他进程占用GPU
- 考虑使用FP16 (不推荐，已经很稳定)
【问题5: 查看详细错误】
tail -200 /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log
================================================================================
10. 重要文件路径
================================================================================
【配置文件】
/workspace/bevfusion/configs/nuscenes/det/transfusion/secfpn/camera+lidar/swint_v0p075/multitask_BEV2X_phase4a_stage1_task_gca.yaml
【训练脚本】
/workspace/bevfusion/START_PHASE4A_TASK_GCA_BACKGROUND.sh
【日志文件】
/data/runs/phase4a_stage1_task_gca/train_20251106_035913.log
【Checkpoints】
/data/runs/phase4a_stage1_task_gca/epoch_*.pth
/workspace/bevfusion/runs/run-326653dc-2334d461/epoch_5.pth (起点)
【监控脚本】
/workspace/bevfusion/MONITOR_TASK_GCA.sh
【状态文档】
/workspace/bevfusion/TRAINING_STATUS_LIVE.md (最详细)
/workspace/bevfusion/PROJECT_STATUS_SUMMARY.md (项目总览)
/workspace/bevfusion/BEVFUSION_TRAINING_STATUS.md (历史记录)
================================================================================
11. 训练时间线
================================================================================
【已完成】
✅ 2025-10-21: Phase 1-4基础训练 (19 epochs)
✅ 2025-10-29: Phase 5 Enhanced训练 (23 epochs)
✅ 2025-11-05: Phase 4A初始训练 (5 epochs)
✅ 2025-11-06 03:59: 启动Phase 4A Task-GCA
【进行中】
🟢 2025-11-06 15:46: Epoch 6训练中 (32%完成)
【预计】
⏳ 2025-11-06 23:26: Epoch 6完成
⏳ 2025-11-07 11:16: Epoch 7完成
⏳ 2025-11-10: Epoch 10完成 (首次评估)
⏳ 2025-11-13: Epoch 20完成 (最终)
================================================================================
12. 快速参考命令总结
================================================================================
# 查看训练状态
tail -f /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep "Epoch \["
# 查看GPU
watch -n 5 nvidia-smi
# 检查进程
ps aux | grep train.py | wc -l
# 查看最新Loss
tail -30 /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep "loss:" | tail -3
# 查看Divider性能
tail -f /data/runs/phase4a_stage1_task_gca/train_20251106_035913.log | grep "divider/dice"
# 检查checkpoint
ls -lht /data/runs/phase4a_stage1_task_gca/*.pth | head -3
# 磁盘空间
df -h /workspace
================================================================================
生成时间: 2025-11-06 15:46
下次更新: 明天查看Epoch 6完整结果
================================================================================