| |
| """ |
| 把 hub_package/ 上传到 Hugging Face Hub（对应 PPT 第 28 页第 4 条学习目标）。 |
| ================================================================ |
| 等价于 PPT 里的 package_to_hub(...)，只是拆成"先打包、再上传"两步，更透明。 |
| |
| 准备： |
| 1) 注册 https://huggingface.co ，在 Settings -> Access Tokens 建一个 write token |
| 2) 登录（二选一）： |
| hf auth login # 交互式粘贴 token |
| 或者直接设环境变量：$env:HF_TOKEN = "hf_xxx" |
| 3) 打包：python build_hub_package.py --repo-id 你的用户名/value-based-qlearning |
| |
| 上传： |
| python upload_to_hub.py --repo-id 你的用户名/value-based-qlearning |
| python upload_to_hub.py --repo-id 你的用户名/value-based-qlearning --private |
| |
| 如果本机连不上 huggingface.co（本机实测会超时），有三条路： |
| A) 开代理后重试本脚本； |
| B) 换镜像（只能下载不能上传，不适用于上传）； |
| C) 浏览器手动上传：https://huggingface.co/new 建仓库，把 hub_package/ 里的文件拖进去。 |
| """ |
|
|
| import argparse |
| import os |
| import sys |
|
|
| BASE_DIR = os.path.dirname(os.path.abspath(__file__)) |
|
|
|
|
| def list_files(folder): |
| rows = [] |
| for root, _, files in os.walk(folder): |
| for name in sorted(files): |
| path = os.path.join(root, name) |
| rows.append((os.path.relpath(path, folder), os.path.getsize(path))) |
| return rows |
|
|
|
|
| def main(): |
| parser = argparse.ArgumentParser(description="上传 hub_package 到 Hugging Face Hub") |
| parser.add_argument("--repo-id", required=True, help="用户名/仓库名，例如 zhangsan/value-based-qlearning") |
| parser.add_argument("--folder", default=os.path.join(BASE_DIR, "hub_package")) |
| parser.add_argument("--token", default=os.environ.get("HF_TOKEN"), help="默认读环境变量 HF_TOKEN") |
| parser.add_argument("--private", action="store_true", help="创建私有仓库") |
| parser.add_argument("--endpoint", default=os.environ.get("HF_ENDPOINT"), |
| help="默认 huggingface.co，可用环境变量 HF_ENDPOINT 覆盖") |
| parser.add_argument("--dry-run", action="store_true", help="只列出要上传的文件，不真的上传") |
| args = parser.parse_args() |
|
|
| if not os.path.isdir(args.folder): |
| raise SystemExit(f"找不到 {args.folder}，请先运行 python build_hub_package.py") |
|
|
| files = list_files(args.folder) |
| total_mb = sum(size for _, size in files) / (1024 * 1024) |
| print(f"准备上传 {len(files)} 个文件（共 {total_mb:.1f} MB）到仓库 {args.repo_id}") |
| for rel, size in files: |
| print(f" {rel} ({size / 1024:.0f} KB)") |
|
|
| if args.dry_run: |
| print("\n[--dry-run] 不上传。") |
| return |
|
|
| if not args.token: |
| print("\n[错误] 没有 token。请先执行 hf auth login，或设置 $env:HF_TOKEN。") |
| print(" 也可以去掉 --token 参数让 huggingface_hub 读本机缓存的登录信息。") |
| return |
|
|
| try: |
| from huggingface_hub import HfApi |
| except ImportError: |
| print("\n[错误] 缺 huggingface_hub，请先：pip install huggingface_hub") |
| return |
|
|
| api = HfApi(endpoint=args.endpoint, token=args.token) if args.endpoint else HfApi(token=args.token) |
|
|
| try: |
| print(f"\n[1/2] 创建/确认仓库 {args.repo_id} ...") |
| api.create_repo(repo_id=args.repo_id, repo_type="model", |
| private=args.private, exist_ok=True) |
| print("[2/2] 上传文件 ...") |
| api.upload_folder( |
| repo_id=args.repo_id, |
| repo_type="model", |
| folder_path=args.folder, |
| commit_message="value-based 实践：Q-Learning 智能体（FrozenLake + Taxi）" |
| " + 回放视频 + 评估分数", |
| ) |
| except Exception as exc: |
| print(f"\n[上传失败] {type(exc).__name__}: {exc}") |
| print("\n常见原因与对策：") |
| print(" 1) 网络连不上 huggingface.co（本机常见）-> 开代理后重试，或浏览器手动上传；") |
| print(" 2) token 没有 write 权限 -> 重新建一个 write token；") |
| print(" 3) 仓库名格式不对 -> 必须是 用户名/仓库名。") |
| print(f"\n手动上传入口：https://huggingface.co/new （仓库名建议 value-based-qlearning）") |
| return |
|
|
| url = f"https://huggingface.co/{args.repo_id}" |
| print(f"\n[完成] 仓库地址：{url}") |
| print(f" 视频和评估分数已经写进 README.md，打开仓库就能看到。") |
|
|
|
|
| if __name__ == "__main__": |
| sys.exit(main()) |
|
|
