YAML Metadata Warning:empty or missing yaml metadata in repo card

Check out the documentation for more information.

公共归档已无损去重到公开仓库 HFD-Baseline-Shared-Training-Assets。下载本仓库后,先运行 python restore_shared_assets.py(在本AutoDL机器使用 /root/.local/bin/turbo python restore_shared_assets.py),按固定commit下载并验证SHA256,恢复原目录中的所有公共归档,再执行下方原解压/续训命令。本模型仓库与公共依赖仓库均公开,无需HF登录即可下载;Token不要写入工程。模型专属断点未删除。MANIFEST.json核验本仓库文件,SHARED_ASSETS.json核验外置公共文件。


license: other

kimodo 实际训练工程交付

这是实际在本机训练过的 HFD 人体动作版本,不是仅下载官方模型推理。仓库为私有。原工作区快照、全部本地代码修改、正式训练历史和已有恢复实验分别保留;原工作区包含共享辅助模型代码,但本仓库不交付其他模型权重。

目录与证据

  • handoff-v1/source/:原始训练工作区和对应 upstream 的完整工作树 tar.gz;包括未提交和未跟踪源码。.git 内部、Python 缓存、凭据文件排除;commit/status/diff 在 inventory。
  • handoff-v1/checkpoints/formal/:正式 latest、best、验收起点(适用时)。最新正式步数 100000;best:100000,仅 denoiser 权重;不包含 optimizer/scheduler/RNG/sampler。
  • handoff-v1/data-and-history/:实际数据索引/划分/对齐缓存、完整 run 历史(最终解析配置、合同、日志、指标)、文本特征缓存(HY/Kim)及恢复实验历史。
  • handoff-v1/inventory/:原 Git commit/diff、实际 Python/torch/CUDA/cuDNN/依赖版本、检查点字段审计、源码合同审计、包内逐文件校验。
  • handoff-v1/resources/:外部资产固定 revision/URL/大小/SHA256、环境锁、原始数据文件清单。受许可限制的 SMPL-X 文件由接手方取得,未上传。
  • handoff-v1/acceptance/:实际短跑命令、配置、日志、样本记录、结果和更新后的检查点;失败尝试亦保留。验收报告中的状态为准。
  • MANIFEST.json:本仓库交付文件大小与 SHA256;tar 内每个文件另有相应 manifest。符号链接记录目标,不展开外部大文件。

恢复能力及缺口(请先阅读)

正式 latest 为原定 100K 预算的结束点。原入口拒绝在已到 max_steps 时继续执行;不能简单把 --stop-after 加大就宣称无缝续训。保持原计划的配对验收使用 step 98000 → 98002;延长到 100K 之后需另行明确新阶段的学习率/调度/合同迁移方案,本交付未声称该迁移已验证。

完整 checkpoint 字段请查 inventory 对应 JSON:优化器、调度器、global step、RNG 和数据池/采样状态保留。每模型实际单 GPU,没有遗漏分布式分片或其他 rank 状态。BF16 运行无 FP16 GradScaler 恢复需求;未额外伪造不存在的 EMA/scaler。HY 的 model 是 LoRA 参数,固定基础模型及 normalization 资产必须同时恢复。Kimodo formal best 是仅权重微调起点,完整续训请用 latest 或 acceptance-start-98000。

历史完整 shell 环境变量、原始命令行并非全部有原始记录:配置/合同/日志为原始证据,下面命令是使用原入口的可复现恢复命令;验收 command.json 则是本次实际执行记录。未提供经过重建验证的容器镜像,也不保证不同 GPU/驱动的逐位一致。原硬件 RTX 5090,Python 3.10.21、torch 2.7.1+cu128、CUDA 12.8、cuDNN 90701;完整锁见 resources。

下载、解压、资源恢复

本仓库已公开,可直接下载;不要把 token 写入配置或打包:

hf download starstone3/HFD-Kimodo-SMPLX-Training --local-dir ./handoff-kimodo
cd handoff-kimodo
python verify_manifest.py MANIFEST.json
python restore_shared_assets.py
mkdir -p restored
for f in handoff-v1/source/*.tar.gz handoff-v1/data-and-history/*.tar.gz handoff-v1/resources/*.tar.gz; do tar -xzf "$f" -C restored; done

压缩包保存 root/autodl-tmp/... / root/autodl-fs/... 相对树。严格恢复优先在隔离容器/机器映射回原绝对路径,不要覆盖已有工作目录。配置、源码合同和资产路径有绝对路径引用;任意批量替换路径可能触发合同校验,不应删除校验来绕过。所有 symlink 需按 manifest 恢复目标。可在独立环境将 restored/root/autodl-tmp/hfd-baseline-portable 映射到原同名路径,模型与数据盘亦映射到原路径。

实际 raw 数据 675 个分片未重复上传;RAW_REQUIRED_FILES.json 的 SHA 来自原上游清单(并非本次重新读取全部大分片)。从 Tinghong-Ye22/hfd_data@93ba4a7a9c66b3e1b7041e5f4ea038ef2418b948 下载清单列出的文件,逐个核验 SHA256。固定 index release 为 Tinghong-Ye22/data_vqa_all_1025@bdca2fe7581c263e9ceb3a96204b314e199faddf。下载示例:

hf download Tinghong-Ye22/hfd_data --repo-type dataset --revision 93ba4a7a9c66b3e1b7041e5f4ea038ef2418b948 --local-dir /root/autodl-fs/pangxinlei/hfd_data
# 以 RAW_REQUIRED_FILES.json 中的相对路径/大小/SHA 再逐项校验;实际目标位置以 configs/sessions.yaml 为准。

资源清单包含准确来源及哈希;需要上游访问权限或 SMPL/SMPL-X 许可的资源自行取得。HY 部分历史文本编码器下载来源未记录不可变 revision,只能以交付的原文件 SHA256 固定版本,不能把 master/latest 当作已锁定版本。原工作区 tools/training_assets.py、tools/download_hymotion_assets.py 提供资产下载/核验入口,执行前读其 --help。所有大流量操作在原 AutoDL 主机须加 /root/.local/bin/turbo;HF 下载失败用 hfmirror,不回退个人代理。

环境与原启动入口

每模型独立 Python 3.10 环境,先安装原工作区 requirements/kimodo.txt,再对照 resources kimodo-environment-lock.txt 重建实际版本;原 upstream 源码在 hfd-human-models/kimodo。必要自定义实现和本地修改都在源码快照,依赖包版本在锁文件。Kimodo 文本 worker 还有单独 kimodo-text-compat-lock.txt(transformers 4.44.2 / peft 0.12),不能用主模型环境的 transformers 版本替代。源码 hfd_bridge/kimodo_text.py 定义实际启动方式。

cd /root/autodl-tmp/hfd-baseline-portable
/root/autodl-tmp/envs/kimodo/bin/python train_kimodo.py --help
# 用 acceptance/config.yaml(修正输出至空目录,保留训练计划及合同)
/root/autodl-tmp/envs/kimodo/bin/python -u train_kimodo.py --config /path/to/acceptance/config.yaml --resume /path/to/acceptance-start --stop-after 98002

实际设备选择以 acceptance/command.json 为准,特别是 Kimodo/GENMO 入口会设置 CUDA_VISIBLE_DEVICES,不能把物理 GPU 索引与逻辑索引混用。HY 正式恢复需先将 resources/hymotion-formal-overlay/hfd_bridge/resume.py 应用到隔离工作区,该文件按原正式合同 SHA 精确恢复;当前 pilot 源码不应覆盖。启动后查看原 run metrics.jsonl、resume_history 和完整 checkpoint;训练器原保存代码负责保存,勿用 state_dict 替代。保留验收起点,接手方从同一点运行两步,对比样本、loss、LR、optimizer step 和参数哈希。

数据协议、训练配置及验证

全数据协议 train/val/test=258661/512/1024;本人体 English native 实际可用子集 117290/297/419。训练使用 train,选参用 validation,不能用 Test1024 替代训练。configs/sessions.yaml、run 的最终 resolved_config.yaml、合同和训练采样日志共同固定划分/顺序/种子/过滤;保存数据池 RNG 状态而非仅 seed。严格参考对齐失败时的保守整句文本回退见原 audit,存在已知 6608 个失败记录。

配对 SMPL-X 输入 [T,159],前三维平移、后156维轴角;人体桥接代码保留关节顺序、坐标转换、插值、长度补齐和有效 mask。HY 输出201维(root3 + 22关节6D旋转132 + FK位置66),以 SMPL-X neutral 前22关节和16betas构造骨架;native Y-up/+Z-forward 与 AMASS Z-up/+Y-forward 的 Y_TO_Z 矩阵见 hfd_bridge/hymotion_rep.py。GENMO 使用 GEM-SMPL151维;Kimodo 使用 SMPLX22 native273维与因果 root gauge。30Hz,常规历史60/未来60/执行12帧;不同实验配置覆盖时以对应 resolved config 为准。HY std<1e-3 通道 mask 与下限处理、Kim root 平滑/feet contacts、GENMO shortest-arc rotation interpolation 均保留原实现,不另写近似预处理。

正式配置典型每卡 batch:GENMO32、HY4、Kim8,单卡BF16;损失权重、优化器、LR及调度、反馈比例、随机种子、增强、验证 seeds 均以 run 中最终解析配置及原训练循环为准。不要把默认 YAML 当作实际配置。结果与 step/checkpoint 映射保存在 metrics、validation、summary 和 checkpoint best 字段;完整轨迹在历史包的 recovery 目录中。

原推理/验证脚本随工作区和 recovery/evaluation 包交付。恢复 pilot 的连续性/幅度/jerk/位置姿态诊断不是正式 FID;不能把短跑 loss 一致当作动作质量合格。直接拼接监督的接缝、动作幅度/位移退化和部分候选未通过扩展验证均保留在 recovery 审计。当前交付不宣称这三模型已经满足最终质量验收。

补充校验与编译说明

执行 python handoff-v1/resources/verify_raw.py handoff-v1/resources/RAW_REQUIRED_FILES.json /actual/raw/root 校验原始分片。原始数据不是评测测试集替代品,下载需要拥有上游数据权限。文本缓存 .sqlite-shm 是共享内存临时状态;在没有进程使用恢复后的缓存时删除该 shm 文件,由 SQLite 重建;保留数据库和对应 WAL。

Kimodo upstream 包含 MotionCorrection C++ 源码和构建文件,已随原目录交付;当前 HFD train_kimodo 路径没有引用 MotionCorrection。原训练使用的 torch CUDA 算子来自锁定的 torch/nvidia wheel;未另行声称所有 optional/demo 扩展均在新环境编译验收通过。

本交付没有保留每个训练步的全部更新后参数(原工程采用有限断点保留);短跑结束的完整参数及其逐张量哈希用于对方配对验收。100K 之后新阶段训练、跨硬件逐位一致及最终动作质量评测不在已完成验收结论之内。

可直接执行的两步复验命令

恢复上文原路径资源,HY 在隔离副本应用历史 overlay 后,使用该模型环境执行:

/root/autodl-tmp/envs/kimodo/bin/python handoff-v1/resources/run_acceptance.py --model kimodo --config handoff-v1/acceptance/config.yaml --checkpoint handoff-v1/checkpoints/formal/acceptance-start-98000.pt --workspace /root/autodl-tmp/hfd-baseline-portable --output /path/to/fresh-kimodo-acceptance --gpu 0 --stop-after 98002

该辅助脚本只改允许调整的设备和输出路径,调用交付的实际原入口;接手方需先预留充分可写容量(Kim≥8GiB,GENMO≥24GiB,HY≥2GiB,并留4GiB共享盘余量),本辅助脚本不代替原长期训练监督器。实际完整运行配置和每卡 batch/有效 batch 见随包配置;这三个入口每批更新一次、单 GPU、无梯度累积。

原正式训练曲线

Actual formal training curves

曲线来自原训练 metrics.jsonl,500条日志一组显示平均 loss 和组内范围;CSV 和来源 SHA256 同时附上。此图不是动作质量或 FID 评测。

环境安装命令模板(在新环境执行;本交付没有额外声称全新环境重建已验收):

python3.10 -m venv /root/autodl-tmp/envs/kimodo
/root/.local/bin/turbo /root/autodl-tmp/envs/kimodo/bin/pip install torch==2.7.1 torchvision==0.22.1 torchaudio==2.7.1 --index-url https://download.pytorch.org/whl/cu128
/root/.local/bin/turbo /root/autodl-tmp/envs/kimodo/bin/pip install -r /root/autodl-tmp/hfd-baseline-portable/requirements/kimodo.txt
/root/autodl-tmp/envs/kimodo/bin/pip check

以原包 runtime-versions.json 和本仓库 environment-lock 校验安装结果;pip 失败才按已授权代理特例重试。Kimodo 文本兼容目录已打包,可解压回 /root/autodl-tmp/envs/kimodo-text-compat,避免主环境 transformers 与文本 worker 冲突。

Kimodo best 的完整状态对应文件:handoff-v1/checkpoints/formal/best-full-equivalent.pt 是原始 last.pt 的完整副本,step 同为100000,denoiser 参数已逐张量确认与原 best.pt 逐位相同。它不是把不同训练点的 optimizer 和权重拼接而成。原 weights-only best 没保存 RNG,因此不声称完整 last 的保存时机与 best 瞬间完全相同;详见 kimodo-best-full-counterpart.json。

本机实际续训验收结论

  • step 98001:loss=0.014677613042294979,LR=1.0089601960675016e-06;与原连续训练 loss 精确一致=True,LR 精确一致=True。
  • step 98002:loss=0.04221031814813614,LR=1.0089512366038605e-06;与原连续训练 loss 精确一致=True,LR 精确一致=True。

更新后完整检查点已经读回,参数均有限,优化器步数见 acceptance-report.json。逐张量 SHA256 供对方比较更新后参数;没有对跨硬件逐位一致作保证。 Kimodo 两步 loss/LR 与原连续运行一致;第一次尝试设备映射错误导致 OOM、重试监督器预留空间重复计数导致监督器提前退出,均有记录。重试训练器实际完成98002并写出 training_summary 和完整last;未收集到其进程退出码,不能宣称监督器全链路无异常。

MANIFEST.json 覆盖最终仓库内除自身之外的交付文件;清单自身不递归包含。外部资源以各自独立资源清单核验。

全 baseline 交接补充

新增 handoff-v1/packages/kimodo-complete-quality-results.tar.gz 及相邻逐文件manifest:本版本1024完整预测、packed官方评分输入、scores、cohort锁与run_config权重身份。为原有正式评测产物,本次未重新选参。其他版本仓库见 BASELINE_CATALOG.json。原短跑限制和恢复能力声明继续有效。

公开状态:本交付仓库已设为 public,公共归档依赖仓库亦公开。上游资源的许可及获取要求继续适用。

Downloads last month

-

Downloads are not tracked for this model. How to track
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support