qing
a2ba797410
- pybot：recorder 逐帧落盘 imu.npy（T×8，roll,pitch,ax,ay,az,gx,gy,gz，与帧/动作同调用对齐）；run_loop 对声明 imu_dim 的 predictor 以 predict(..., imu=) 调用（鸭子类型，旧两参调用向后兼容） - actpred：新增 --imu-dim；model 序列 [img×F, act×H, (IMU), PRED]（imu_dim>0 时 F+H+2，IMU token 位于 PRED 前）；dataset/train 读 imu.npy（缺失按零向量兜底）；predict/ONNX/Hailo 三后端与 export/gen_calibration/dfc_compile/_npu_test 部署链适配 imu 输入 - 姿态按物理量程固定缩放归一化（imu_norm.py，训练/推理共用，零状态） - 测试：actpred 128 passed / pybot loop+recorder 28 passed
201 lines
8.8 KiB
Python
201 lines
8.8 KiB
Python
"""生成 DFC 量化校准数据集
|
||
|
||
两种模式：
|
||
默认模式（data/calibration.npz）：为旧版 dfc_compile.py 的 ClientModel
|
||
流程准备，目前保留兼容。
|
||
--deploy 模式（data/calibration_deploy.npz）：为 export_deploy.py 导出
|
||
的部署版 ONNX 生成校准集，键名匹配 HN 层名 actpred_deploy/input_layerN，
|
||
形状匹配 HEF 输入：frame0~2 (N,H,W,3) 已归一化 float32、
|
||
action_history (N,1,H_len,D)、pred_token (N,1,1,d) 学习值 ± 抖动
|
||
（常量校准会使量化范围退化，见 --pred-jitter）。
|
||
图像分辨率与 --model checkpoint 的配置一致。
|
||
|
||
数据源：
|
||
- 图像：无真实 episode 时用 [0,255] 均匀采样像素 + ImageNet 归一化
|
||
- 动作历史：从 bot4cj/scripts/*.mt 的真实 @Action 矩阵滑窗采样
|
||
（列不足 18 补零，与 pretrain_mt.py 语义一致）
|
||
|
||
真实数据到位后应替换为真实帧重新校准。
|
||
|
||
用法:
|
||
python gen_calibration.py --deploy --model checkpoints/pretrain_best_inference.pt
|
||
"""
|
||
|
||
import argparse
|
||
import os
|
||
import tempfile
|
||
|
||
import numpy as np
|
||
|
||
from config import DataConfig, parse_checkpoint_config
|
||
from mt_parser import parse_mt_directory
|
||
|
||
IMAGENET_MEAN = np.array([0.485, 0.456, 0.406], dtype=np.float32)
|
||
IMAGENET_STD = np.array([0.229, 0.224, 0.225], dtype=np.float32)
|
||
|
||
|
||
def build_action_history_samples(mt_dir, n_samples, history_len, action_dim, rng):
|
||
sequences = []
|
||
for _path, matrix in parse_mt_directory(mt_dir):
|
||
n_cols = matrix.shape[1]
|
||
if n_cols < action_dim:
|
||
matrix = np.pad(matrix, ((0, 0), (0, action_dim - n_cols)))
|
||
elif n_cols > action_dim:
|
||
matrix = matrix[:, :action_dim]
|
||
if len(matrix) >= history_len:
|
||
sequences.append(matrix)
|
||
if not sequences:
|
||
raise ValueError(f"{mt_dir} 中没有可用的 @Action 序列")
|
||
|
||
windows = []
|
||
for matrix in sequences:
|
||
for i in range(len(matrix) - history_len + 1):
|
||
windows.append(matrix[i:i + history_len])
|
||
idx = rng.integers(0, len(windows), size=n_samples)
|
||
return np.stack([windows[i] for i in idx]).astype(np.float32)
|
||
|
||
|
||
def build_image_samples(n_samples, frame_len, height, width, rng,
|
||
chunk_samples: int = 4):
|
||
"""生成 (n_samples, frame_len, 3, H, W) uint8 校准图像
|
||
|
||
存 uint8 原始像素值（0~255），加载时再做 ToTensor+Normalize，节省磁盘。
|
||
经 memmap 分块填充后返回：高分辨率（如 1080p）下整块数组可达 ~600MB，
|
||
一次性分配容易挤爆内存，分块写盘把峰值压到 chunk_samples 帧量级。
|
||
"""
|
||
if chunk_samples < 1:
|
||
raise ValueError(f"chunk_samples 应 >= 1，实际为 {chunk_samples}")
|
||
chunk_samples = min(chunk_samples, n_samples)
|
||
fd, tmp_path = tempfile.mkstemp(suffix=".npy")
|
||
os.close(fd)
|
||
images = np.lib.format.open_memmap(
|
||
tmp_path, mode="w+", dtype=np.uint8,
|
||
shape=(n_samples, frame_len, 3, height, width))
|
||
try:
|
||
for start in range(0, n_samples, chunk_samples):
|
||
stop = min(start + chunk_samples, n_samples)
|
||
images[start:stop] = rng.integers(
|
||
0, 256, size=(stop - start, frame_len, 3, height, width),
|
||
dtype=np.uint8)
|
||
except Exception:
|
||
images._mmap.close()
|
||
os.unlink(images.filename)
|
||
raise
|
||
return images
|
||
|
||
|
||
def build_deploy_set(args):
|
||
import torch
|
||
from model import ActionPredictor
|
||
|
||
ckpt = torch.load(args.model, map_location="cpu", weights_only=True)
|
||
cfg = parse_checkpoint_config(ckpt["config"]).data
|
||
rng = np.random.default_rng(args.seed)
|
||
|
||
h, w = cfg.image_height, cfg.image_width
|
||
raw = rng.integers(0, 256, size=(args.samples, h, w, 3),
|
||
dtype=np.uint8).astype(np.float32) / 255.0
|
||
norm = ((raw - IMAGENET_MEAN) / IMAGENET_STD).astype(np.float32)
|
||
frames = [norm.copy() for _ in range(cfg.frame_len)]
|
||
|
||
history = build_action_history_samples(
|
||
args.mt_dir, args.samples, cfg.history_len, cfg.action_dim, rng)
|
||
history = history[:, None, :, :] # (N, 1, H_len, D)
|
||
if cfg.normalize_actions:
|
||
# 归一化模型的 HEF 输入是 z-score 历史（hailo_infer --stats 同语义），
|
||
# 校准数据必须走同一变换，否则量化范围与推理分布不匹配
|
||
stats_path = cfg.action_stats_path
|
||
if not stats_path:
|
||
stats_path = os.path.join(
|
||
os.path.dirname(os.path.abspath(args.model)),
|
||
"action_stats.npy")
|
||
elif not os.path.isabs(stats_path):
|
||
stats_path = os.path.join(
|
||
os.path.dirname(os.path.abspath(args.model)), stats_path)
|
||
if not os.path.exists(stats_path):
|
||
raise FileNotFoundError(
|
||
f"模型训练时启用了动作归一化，但未找到统计文件: {stats_path}")
|
||
stats = np.load(stats_path)
|
||
if stats.shape != (2, cfg.action_dim):
|
||
raise ValueError(
|
||
f"action stats 形状应为 (2, {cfg.action_dim})，"
|
||
f"实际为 {stats.shape}: {stats_path}")
|
||
history = (history - stats[0]) / stats[1]
|
||
print(f" action_history: 已 z-score 归一化（{stats_path}）")
|
||
|
||
model = ActionPredictor(parse_checkpoint_config(ckpt["config"]).model,
|
||
cfg, pretrained=False)
|
||
model.load_state_dict(ckpt["model_state_dict"])
|
||
d = model.pred_token.shape[-1]
|
||
v = model.pred_token.data.unsqueeze(1).numpy() # (1, 1, d) 学习到的常量
|
||
# 常量校准会使量化范围退化（上次实测 scale=18571.7，任何输入都被
|
||
# 量化成 0）；按学习值 ±相对抖动生成校准样本，运行时喂学习值即可
|
||
# 无损还原（量化误差 ~1e-4）
|
||
jitter = v * rng.uniform(-args.pred_jitter, args.pred_jitter,
|
||
size=(args.samples, 1, 1, d)).astype(np.float32)
|
||
jitter = jitter + rng.normal(0.0, args.pred_jitter_abs,
|
||
size=jitter.shape).astype(np.float32)
|
||
pred = np.broadcast_to(v, (args.samples, 1, 1, d)).astype(np.float32) + jitter
|
||
|
||
inputs = [*frames, history, pred]
|
||
if cfg.imu_dim > 0:
|
||
# R2 方案一：imu 输入为归一化姿态（roll,pitch/180，ax..gz/32768）。
|
||
# 校准覆盖典型工作范围：归一化值域 ±0.5（≈±90°/±16384）均匀采样
|
||
imu = rng.uniform(-0.5, 0.5,
|
||
size=(args.samples, 1, 1, cfg.imu_dim)).astype(np.float32)
|
||
inputs.append(imu)
|
||
|
||
np.savez_compressed(
|
||
args.output,
|
||
**{f"actpred_deploy/input_layer{i + 1}": arr
|
||
for i, arr in enumerate(inputs)})
|
||
print(f"部署校准集已保存: {args.output}")
|
||
print(f" frame0~2: {frames[0].shape}（分辨率 {w}x{h}，与 checkpoint 一致）")
|
||
print(f" action_history: {history.shape} pred_token: {pred.shape}"
|
||
f"（学习值 ±{args.pred_jitter:.0%} 抖动）")
|
||
if cfg.imu_dim > 0:
|
||
print(f" imu: {inputs[-1].shape}（归一化值域 ±0.5 均匀采样）")
|
||
|
||
|
||
def main():
|
||
parser = argparse.ArgumentParser(description="Generate DFC calibration dataset")
|
||
parser.add_argument("--deploy", action="store_true",
|
||
help="生成部署版（export_deploy.py）校准集")
|
||
parser.add_argument("--model", default="checkpoints/pretrain_best_inference.pt",
|
||
help="--deploy 模式的 checkpoint（决定分辨率与 pred_token）")
|
||
parser.add_argument("--mt-dir", default="../bot4cj/scripts")
|
||
parser.add_argument("--output", default=None)
|
||
parser.add_argument("--samples", type=int, default=32)
|
||
parser.add_argument("--seed", type=int, default=42)
|
||
parser.add_argument("--pred-jitter", type=float, default=0.3,
|
||
help="pred_token 校准相对抖动幅度（默认 ±30%）")
|
||
parser.add_argument("--pred-jitter-abs", type=float, default=0.005,
|
||
help="pred_token 校准绝对抖动标准差（近零元素保底）")
|
||
args = parser.parse_args()
|
||
|
||
if args.deploy:
|
||
args.output = args.output or "data/calibration_deploy.npz"
|
||
build_deploy_set(args)
|
||
return
|
||
|
||
args.output = args.output or "data/calibration.npz"
|
||
cfg = DataConfig()
|
||
rng = np.random.default_rng(args.seed)
|
||
|
||
history = build_action_history_samples(
|
||
args.mt_dir, args.samples, cfg.history_len, cfg.action_dim, rng)
|
||
images = build_image_samples(
|
||
args.samples, cfg.frame_len, cfg.image_height, cfg.image_width, rng)
|
||
|
||
np.savez_compressed(args.output, images=images, action_history=history)
|
||
# 释放 memmap 并删除临时文件（数据已写入 npz）
|
||
images._mmap.close()
|
||
os.unlink(images.filename)
|
||
print(f"校准集已保存: {args.output}")
|
||
print(f" images: {images.shape} dtype={images.dtype}")
|
||
print(f" action_history: {history.shape} dtype={history.dtype}")
|
||
|
||
|
||
if __name__ == "__main__":
|
||
main()
|