docs/student_guide.md

# 螺钿垂直模型训练 - 学生操作手册（HuggingFace版）

**版本**：v2.0 - HuggingFace协作版
**更新日期**：2026-02-08
**适用对象**：参与训练的研究生和本科生

---

## 📌 项目概述

**项目名称**：现代螺钿产品设计垂直AI模型
**协作平台**：HuggingFace（替代Git LFS）
**数据集仓库**：https://huggingface.co/datasets/KaKa427/luodian-training-data
**许可证**：CC BY-NC-SA 4.0（**禁止商业使用**）

---

## ⚠️ 重要：许可证说明（必读）

### CC BY-NC-SA 4.0 许可证要点

**✅ 你可以**：
- 用于**学术研究**（课程学习、毕业设计、论文发表）
- **下载和使用**数据集和模型
- **修改和改进**数据标注
- **分享你的改进**（需遵循相同许可证）
- **署名使用**（需注明来源和贡献者）

**❌ 你不可以**：
- **商业用途**：不得将数据集或模型用于任何商业产品或服务
- **出售数据**：不得以任何形式出售或转让
- **闭源改进**：如分享改进版本，必须使用相同许可证

**署名要求**：
使用数据集或模型时，请引用：
```

数据集来源：KaKa427/luodian-training-data

指导教师：[教师姓名]

贡献学生：[你的姓名]

```

---

## 🚀 快速开始（3步上手）

### Step 1: 注册HuggingFace账号（5分钟）

#### 1.1 注册账号
```

访问：https://huggingface.co/join

- 填写邮箱、用户名、密码

- 验证邮箱

- 完善个人资料（可选）

```

#### 1.2 获取Access Token
```

访问：https://huggingface.co/settings/tokens

→ 点击 "Create new token"

→ Token name: luodian-project

→ Type: Read（只读权限即可下载）

→ 复制生成的Token（格式：hf_xxxxxxxxxxxxx）

→ 保存到安全的地方（后面会用）

```

---

### Step 2: 安装HuggingFace CLI（10分钟）

#### 2.1 激活Python环境
```bash

# 使用项目独立环境（推荐，已包含所有训练依赖）

# 在项目根目录（螺钿垂直模型/）执行：

./venv/Scripts/activate



# 或者使用你自己的conda环境

conda activate your_env

```

#### 2.2 安装huggingface_hub

```bash

pip install huggingface_hub --upgrade
```



#### 2.3 登录HuggingFace

```bash

huggingface-cli login

```
粘贴你的Token，按回车。

**验证登录**：
```bash

huggingface-cli whoami

```
应该显示你的用户名。

---

### Step 3: 下载种子数据（5分钟）

#### 方法A：使用命令行（推荐）
```bash

# 进入项目目录

cd "螺钿垂直模型"



# 下载数据集

huggingface-cli download \

    KaKa427/luodian-training-data \

    --repo-type dataset \

    --local-dir ./data/seed_from_hf

```

#### 方法B：使用Python脚本
```python

from huggingface_hub import snapshot_download



snapshot_download(

    repo_id="KaKa427/luodian-training-data",

    repo_type="dataset",

    local_dir="./data/seed_from_hf"

)

```

#### 下载后检查
```bash

ls data/seed_from_hf/

# 应该看到：

# - images/          (种子图片)

# - annotations/     (标注文件)

# - schema/          (数据格式定义)

# - README.md        (说明文档)

```

---

## 📝 数据标注工作流程

### 你的任务分工

**按产品类型分工**（老师会分配）：
- 你负责：______系列（如手持镜）

- 目标数量：____张

- 截止日期：____

---

### 标注步骤（每张图3-5分钟）

#### 1. 准备你的图片
将你的图片放入：`data/raw/你的学号/`

命名规范：
```

你的学号_产品类型_序号.jpg



示例：

2024001_mirror_001.jpg

2024001_mirror_002.jpg

2024001_jewelry_box_001.jpg

```

#### 2. 使用交互式标注工具
```bash

cd data

python interactive_labeling.py

```

按提示输入（**口语即可，系统会自动标准化**）：
```

产品类型: mirror

胎体材质: 紫光檀

镶嵌材料: 贝母螺钿 + 银丝

视觉主题: 京剧脸谱

设计风格: geometric_silhouette

复杂度: medium

尺寸: 12x8x0.5

工时: 6-8小时

市场定位: 欧美市场

中文描述: 黑色木头圆镜，嵌了彩色贝壳做的京剧脸谱，很简洁像剪影

```

#### 3. 检查生成的JSON
工具会自动生成标准化JSON，预览确认后保存到`dataset.json`。

---

### 质量检查清单（提交前必查）

每条数据提交前确认：
- [ ] 图片清晰，光线良好
- [ ] 尺寸标注完整（长x宽x高cm）
- [ ] 工艺可行（6-10小时工时）
- [ ] 复杂度合理（simple/medium，避免complex）
- [ ] 市场定位明确
- [ ] 专业术语准确（参考tags_mapping.json）



---



## 📤 上传标注到HuggingFace



### 方法A：通过Git克隆上传（推荐，适合多次上传）



#### 第一次上传：

```bash

# 1. 克隆数据集仓库

git clone https://huggingface.co/datasets/KaKa427/luodian-training-data

cd luodian-training-data



# 2. 创建你的分支

git checkout -b student_你的学号

# 3. 复制你的标注文件
mkdir -p images/你的学号
mkdir -p annotations/你的学号

cp ~/螺钿垂直模型/data/raw/你的学号/*.jpg images/你的学号/

cp ~/螺钿垂直模型/data/annotations/*.json annotations/你的学号/

# 4. 提交并推送
git add images/你的学号 annotations/你的学号
git commit -m "Student [你的学号]: Added 20 annotated images"
git push origin student_你的学号

```



#### 第二次及以后：

```bash

# 进入仓库目录

cd luodian-training-data



# 拉取最新更新

git pull origin main



# 切换到你的分支

git checkout student_你的学号

# 添加新标注
cp ~/新标注的图片/*.jpg images/你的学号/

cp ~/新标注的JSON/*.json annotations/你的学号/

# 提交
git add images/你的学号 annotations/你的学号
git commit -m "Student [你的学号]: Added 10 more images"
git push origin student_你的学号

```



#### 5. 创建Pull Request

```

访问：https://huggingface.co/datasets/KaKa427/luodian-training-data

→ 点击 "Pull requests"

→ 点击 "New pull request"

→ 选择你的分支: student_你的学号 → main
→ 填写说明：
  Title: Student [你的学号] - Added [数量] annotated images
  Description:
    - 产品类型：手持镜
    - 数量：20张
    - 标注质量已自查
→ 点击 "Create pull request"
```



等待老师审核合并。



---



### 方法B：通过Web界面上传（简单，适合一次性上传）



```
1. 访问：https://huggingface.co/datasets/KaKa427/luodian-training-data
2. 点击 "Files" 标签
3. 点击 "Add file" → "Upload files"
4. 拖拽你的图片和JSON文件
5. Commit message: "Student [你的学号]: Added 10 images"
6. 点击 "Commit changes"
```



**注意**：此方法会直接提交到main分支，建议小量上传时使用。



---



## 🏋️ 本地训练流程（有GPU的同学）



### 前提条件

- GPU: 至少8GB显存（RTX 3060 Ti以上）

- 内存: 至少16GB

- 磁盘空间: 至少30GB



---



### 训练步骤



#### 1. 下载完整数据集（包含所有同学的标注）



**一键下载脚本**（推荐）：

```bash

cd 螺钿垂直模型



# 运行下载脚本

python download_dataset.py

```

脚本会自动：
- ✅ 下载HuggingFace数据集仓库的所有文件
- ✅ 包含所有同学提交的图片和标注
- ✅ 保存到 data/training_data/ 目录

- ✅ 统计图片和标注数量



**或使用命令行**：

```bash

# 高级用户可以手动使用CLI

huggingface-cli download \

    KaKa427/luodian-training-data \

    --repo-type dataset \

    --local-dir ./data/training_data

# 检查数据集
python validate_dataset.py --data_dir ./data/training_data

```



#### 2. 检查环境

```bash

python 检查环境.bat

```

确保：

- ✅ GPU可用

- ✅ PyTorch安装正确

- ✅ xformers已安装



#### 3. 启动训练

```bash

cd 训练脚本



# 使用默认配置（推荐）

python train_llava_qlora_xformers.py \
    --data_path ../data/training_data \

    --output_dir ../output


# 或使用TensorBoard监控版（如果存在）
python train_with_tensorboard.py \
    --data_path ../data/training_data \

    --output_dir ../output

```


**注意**：
- 训练数据来自 `data/training_data/`（包含所有同学的标注）
- Checkpoint保存到 `output/`目录
- 每500步自动保存一次checkpoint

#### 4. 监控训练（可选）
```bash

# 在另一个终端启动TensorBoard

tensorboard --logdir=../输出/logs



# 在浏览器打开

http://localhost:6006

```

#### 5. 等待训练完成
- 预计时间：2-4小时（取决于数据集大小）
- Loss下降到0.3以下算正常
- 自动保存checkpoint到output_dir



---



### 训练完成后上传Checkpoint



**⚠️ 注意**：

- Checkpoint文件约600MB-2GB

- 使用HuggingFace可免费托管（无大小限制）

- 上传后其他同学可以下载使用



#### 上传步骤：



**一键上传脚本**（强烈推荐）：

```bash

cd 螺钿垂直模型



# 运行上传脚本

python upload_checkpoint.py
```



脚本会自动：

1. ✅ 列出所有可用的checkpoint和对应的Loss

2. ✅ 引导你选择要上传的checkpoint

3. ✅ 输入学号和姓名（用于命名）

4. ✅ 上传到HuggingFace模型仓库

5. ✅ 自动组织为：checkpoints/学号_姓名/checkpoint-xxx/



**示例交互**：

```
找到以下checkpoint:
  [1] checkpoint-500 (Loss: 0.45)
  [2] checkpoint-1000 (Loss: 0.32)
  [3] checkpoint-1500 (Loss: 0.28)

请选择要上传的checkpoint [1-3]: 3

请输入你的信息（用于checkpoint命名）:
  学号（如2024001）: 2024001
  姓名拼音（如zhangsan）: zhangsan

即将上传:
  Checkpoint: checkpoint-1500
  学生: 2024001_zhangsan

  仓库: KaKa427/luodian-vertical-model



确认上传? [y/N]: y

```



**或使用命令行**（高级用户）：

```bash

huggingface-cli upload \

    KaKa427/luodian-vertical-model \

    ./output/checkpoint-1000/ \

    checkpoints/你的学号_姓名/checkpoint-1000/ \
    --repo-type model

```


#### 记录训练日志
在项目仓库创建文件：`训练日志/你的学号_checkpoint1.md`

内容模板：
```markdown

# Checkpoint 1 - Student [你的学号]



## 训练参数

- 数据集大小：50张

- LoRA Rank: 16

- Learning Rate: 2e-4

- Max Steps: 1000

- 训练时间：3小时



## 训练结果

- Final Loss: 0.32

- 最佳Epoch: 800

- GPU: RTX 3070 Ti



## Checkpoint位置

HuggingFace: https://huggingface.co/KaKa427/luodian-vertical-model/tree/main/checkpoints/你的名字



## 测试效果

[可选：上传几张生成的测试图片]

```

---

## 🎓 常见问题FAQ

### Q1: 我没有GPU，能参与吗？
**A**: 可以！你可以专注于数据标注，训练由有GPU的同学负责。或使用Google Colab免费GPU。

### Q2: HuggingFace下载很慢怎么办？
**A**:
```bash

# 方法1：设置镜像（如有）

export HF_ENDPOINT=https://hf-mirror.com



# 方法2：使用浏览器直接下载

访问数据集页面 → Files → 点击下载



# 方法3：使用代理

export HTTP_PROXY=http://your-proxy:port

```

### Q3: 标注一张图需要多久？
**A**:
- 熟练后：3-5分钟/张
- 使用interactive_labeling.py：更快

- 参考种子数据：1-2分钟/张



### Q4: 训练失败OOM（显存不足）？

**A**:

1. 确认使用了优化脚本（train_llava_qlora_xformers.py）
2. 检查xformers已安装
3. 如仍不够，降低image_size到384px

4. 或联系有更大显存的同学代训练



### Q5: Pull Request被拒绝了怎么办？

**A**: 检查老师的反馈，可能原因：

- 数据质量不达标

- 标注格式错误

- 文件命名不规范

修改后重新提交。



### Q6: 可以用这个模型做毕业设计吗？

**A**: 可以！但请遵守CC BY-NC-SA 4.0许可证：

- ✅ 学术论文、课程作业、毕业设计

- ✅ 需要署名数据来源和贡献者

- ❌ 不能用于商业产品或服务



### Q7: 如何引用这个项目？

**A**:

```

@misc{luodian2026,

  title={现代螺钿产品设计垂直AI模型训练数据集},

  author={[教师姓名] and [学生姓名列表]},

  year={2026},

  publisher={HuggingFace},

  howpublished={\url{https://huggingface.co/datasets/KaKa427/luodian-training-data}},

  note={License: CC BY-NC-SA 4.0}

}

```



---



## 📞 获取帮助



### 遇到技术问题？

1. **查看文档**：先看项目根目录的其他md文档

2. **搜索Issues**：GitHub或项目群聊历史记录

3. **询问同学**：在项目群里提问

4. **联系老师**：复杂问题联系指导老师



### 汇报进度

定期（每周）在群里更新：

- 已标注数量

- 遇到的问题

- 下周计划



---



## ⏱️ 项目时间线



| 日期 | 里程碑 | 你的任务 |

|------|--------|---------|

| 2月8日 | 项目启动 | 注册HF账号、下载种子数据 |

| 2月12日 | 开始标注 | 熟悉流程，标注5-10张练习 |

| **2月15日** | **Checkpoint 1** | **完成分配的标注任务** |

| 2月20日 | 扩展数据集 | 继续标注（如分配） |

| **2月28日** | **Checkpoint 2** | **有GPU的同学完成训练** |

| 3月7日 | 迭代优化 | 根据效果改进标注 |

| **3月15日** | **最终模型** | **项目总结和展示** |



---



## 🎯 成功标准



### 优秀贡献者（可获加分/推荐信）

- 标注数量：≥30张

- 标注质量：审核通过率≥90%

- 训练参与：至少完成1次训练并上传checkpoint

- 团队协作：积极帮助其他同学



### 合格标准

- 标注数量：≥15张

- 标注质量：审核通过率≥75%

- 按时提交



---



**祝你训练顺利！有问题随时在群里问！** 🎉



---



*文档版本：v2.0 - HuggingFace协作版*

*最后更新：2026-02-08*

*维护者：[教师姓名]*