═══════════════════════════════════════════════════════════════════
  Task-specific GCA训练 - 立即启动
═══════════════════════════════════════════════════════════════════

✅ 环境问题已修复
✅ 预训练模型路径已修复 (从checkpoint恢复无需预训练)

═══════════════════════════════════════════════════════════════════
  启动命令 (在Docker容器内执行)
═══════════════════════════════════════════════════════════════════

docker exec -it bevfusion bash
cd /workspace/bevfusion
bash START_PHASE4A_TASK_GCA.sh

输入 'y' 确认

═══════════════════════════════════════════════════════════════════
  修复的问题
═══════════════════════════════════════════════════════════════════

1. ✅ torchpack路径问题
   - 添加环境变量设置
   - 使用 /opt/conda/bin/python

2. ✅ 预训练模型问题
   - 从epoch_5.pth恢复，包含完整模型
   - 移除 --model.encoders.camera.backbone.init_cfg.checkpoint

═══════════════════════════════════════════════════════════════════
  启动后验证
═══════════════════════════════════════════════════════════════════

查看日志:
  tail -f /data/runs/phase4a_stage1_task_gca/*.log

确认Task-specific GCA启用:
  grep "Task-specific GCA mode enabled" /data/runs/phase4a_stage1_task_gca/*.log

═══════════════════════════════════════════════════════════════════
  预期性能
═══════════════════════════════════════════════════════════════════

检测: mAP 0.68 → 0.70 (+2.9%)
分割: mIoU 0.55 → 0.61 (+11%)
Divider: Dice Loss 0.525 → 0.420 (-20% = 变好!)

═══════════════════════════════════════════════════════════════════