nano_WaveGen/configs/default.yaml

# configs/default.yaml

# ==================== 核心配置 ====================

# 训练配置
training:
  batch_size: 24  # Reduced for faster first step (8 per GPU)
  
  # 基于步数的训练（v30新增）
  max_steps: 50000  # 总训练步数（可以根据需要调整）
  
  # 时序预测配置
  max_history_frames: 3  # 最大历史帧数（1-3帧）
  bidirectional_training: true  # 双向预测训练（从中间帧开始）
  # max_prediction_frames: 1  # <deprecated> 由模型覆盖整段序列，这里保留用于兼容
  initial_teacher_forcing_prob: 0.5  # 初始锚点帧教师强制概率
  initial_frame:
    strategy: "middle"  # 可选: middle | fixed | random
    offset: 0  # 在基础策略上的偏移
  random_history_sampling: true  # 是否在推理时随机选择0-历史帧数量作为参考帧
  freeze_static_from_anchor: true  # 是否在预测序列时固定0-5维的静态参数沿用锚点帧
  multi_sample_attempts: 5  # 每个样本的随机尝试次数（仅训练时启用）
  decoder_noise_std: 0.2  # 解码阶段加入的高斯噪声标准差（0表示禁用）
  frame_rate: 8.0  # MOVi 样本在预处理阶段统一为 8fps，速度计算与训练假设保持一致
  
  # 调试和日志配置
  debug_print_interval: 1  # 每多少步打印一次调试信息（损失值等）
  log_interval: 50  # 每多少步记录一次日志
  
  learning_rate: 0.001  # Standard T5 learning rate
  gradient_clip_val: 1.0  # Gradient clipping value
  
  # GPU配置
  use_multi_gpu: true  # 启用多GPU训练
  gpu_list: [0, 1, 2, 3, 4, 5, 6, 7]  # 可用GPU列表
  use_free_gpus: true  # 自动选择空闲GPU
  
  # 保存训练的模型和生成结果 配置
  evaluation:
    max_batches: 0  # 例如0禁用验证，只比较训练 loss。改成 None 就是验证全量；任何正整数则限制评估批次数。

  save_generation:
    enabled: true #保存训练的模型
    save_gt: true  # 是否保存GT数据
    fixed_samples: 5  # 固定样本数量，用于对比
    save_interval: 100  # 每100步保存一次
    save_dir: "core_space"  # 保存目录


# ==================== Text2Wave 配置 ====================

# 模型设置
text2wave_model:
  # 原始模型: google/long-t5-tglobal-base
  model_name: "google/t5-v1_1-small"

# 损失函数配置
loss:
  
  # 损失权重
  weights:
    wave_loss: 4.0  # 波损失（超二次元参数）权重
    wave_contrastive_loss: 2.0  # 序列级对比损失权重
    world_info_loss: 0.5  # 世界信息损失（相机，缩放，时间）权重
    controllable_info_loss: 0.1  # 可控制信息损失（质量，摩擦，弹性）权重
    pla_loss: 3.0  # 最小作用量约束损失权重

  wave_contrastive:
    temperature: 0.2  # 对比分布温度

# 数据配置
data:
  # MOVi数据集配置
  num_workers: 32  # 数据加载线程数
  max_sequences: 100  # 最大序列数，-1表示使用所有数据，设置较小值用于快速测试

physics:
  gravity: 9.81  # 自由落体重力加速度（单位：m/s^2）
  collision_buffer: 1.05  # 判定碰撞时的半径放大系数

# ==================== Wave2Pixel 配置 ====================

# 网格配置
grid:
  size: 64  # 3D网格分辨率
  prob_threshold: 0.5

# 世界坐标系配置
world_coordinate_system:
  enabled: true  # 是否启用世界坐标系
  world_scale: 10.0  # 世界坐标范围 ±10米
  voxel_size: 0.05   # 体素大小 5cm
  near_plane: 0.1    # 近平面距离
  far_plane: 50.0    # 远平面距离
  predict_world_scale: true  # 让模型预测世界缩放比例
  world_scale_loss_weight: 0.1  # 世界缩放比例损失权重 - 增加到1.0以加快学习

# 相机配置
camera:
  default_view: "front"
  fov: 60
  near: 0.1
  far: 100.0
  # 世界坐标系中的相机位置
  views:
    front: [0, 0, 2]
    back: [0, 0, -2]
    left: [-2, 0, 0]
    right: [2, 0, 0]
    top: [0, 2, 0]
    bottom: [0, -2, 0]
  # 相机旋转角度 (pitch, yaw, roll)
  view_rotations:
    front: [0, 0, 0]
    back: [0, 3.14159, 0]  # 180度旋转
    left: [0, -1.5708, 0]  # -90度旋转
    right: [0, 1.5708, 0]  # 90度旋转
    top: [-1.5708, 0, 0]   # -90度俯视
    bottom: [1.5708, 0, 0] # 90度仰视

# 生成配置
generation:
  mode: "image"  # "image" 或 "video"
  time:
    start: 0.0
    end: 12.0
    fps: 30  # 外部观察频率
    timestep: 0.0  # 用于单帧图像生成
  compute_wsf: false  # 是否默认计算完整WSF场
  output_dir: "core_space"  # 默认输出目录

# 输出格式配置
output:
  format: "triple_channel"  # 可选: "complex", "dual_channel", "triple_channel"
  third_channel: "amplitude"  # 如果format为"triple_channel"，第三通道的内容: "amplitude", "phase", "none"

# Wave2Pixel相关的模型组件
model:
  wave_encoder:
    hidden_dim: 256
    dropout: 0.1
  
  feature_extractor:
    input_dim: 4  # 实部、虚部、振幅、相位
    hidden_dim: 64
    output_dim: 32
    dropout: 0.1

  # 重命名为pixel_net以匹配代码中的使用
  pixel_net:
    channels: [32, 64, 128, 64, 4]  # 最后4通道: RGB + 概率
    kernel_size: 3
    padding: 1
    dropout: 0.1