File size: 3,782 Bytes
170f6ce |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 |
#!/bin/bash
# ==================================================
# ProDiff -- 端到端一键训练与测试脚本
# ==================================================
#
# 该脚本会自动执行以下步骤:
# 1. 启动一个完整的训练过程。
# 2. 等待训练完成。
# 3. 自动查找最新的模型目录。
# 4. 使用最终的模型进行测试。
#
# ==================================================
# --- 配置参数 ---
EXP_NAME="time_based_mask_exp"
DEVICE_ID=0
SAMPLING_TYPE="ddim" # 测试时使用的采样类型
FINAL_EPOCH=50 # 最终训练的epoch数，用于测试
# --- 日志设置 ---
LOG_DIR="./training_logs"
mkdir -p ${LOG_DIR}
TIMESTAMP_NOW=$(date +%Y%m%d_%H%M%S)
LOG_FILE="${LOG_DIR}/e2e_${EXP_NAME}_${TIMESTAMP_NOW}.log"
# --- 优化环境变量 ---
export PYTORCH_CUDA_ALLOC_CONF=max_split_size_mb:512
export OMP_NUM_THREADS=8
# --- 脚本开始 ---
echo "=====================================" | tee ${LOG_FILE}
echo "ProDiff 端到端一键训练与测试启动" | tee -a ${LOG_FILE}
echo "实验名称: ${EXP_NAME}" | tee -a ${LOG_FILE}
echo "完整日志将记录在: ${LOG_FILE}" | tee -a ${LOG_FILE}
echo "=====================================" | tee -a ${LOG_FILE}
#
# --- 阶段 1: 模型训练 ---
#
echo "" | tee -a ${LOG_FILE}
echo "=============== [阶段 1/2] 开始模型训练... ===============" | tee -a ${LOG_FILE}
echo "" | tee -a ${LOG_FILE}
# 直接调用 main.py 进行训练，并将所有输出重定向到日志文件
# 脚本会在此处等待，直到训练完成
python3 -u main.py \
--mode train \
--exp_name ${EXP_NAME} \
--device_id ${DEVICE_ID} \
--sampling_type ${SAMPLING_TYPE} \
2>&1 | tee -a ${LOG_FILE}
# 检查训练是否成功
TRAIN_EXIT_CODE=${PIPESTATUS[0]}
if [ ${TRAIN_EXIT_CODE} -ne 0 ]; then
echo "" | tee -a ${LOG_FILE}
echo "❌ 训练阶段失败，退出码: ${TRAIN_EXIT_CODE}" | tee -a ${LOG_FILE}
echo "详情请查看日志: ${LOG_FILE}" | tee -a ${LOG_FILE}
exit ${TRAIN_EXIT_CODE}
fi
echo "" | tee -a ${LOG_FILE}
echo "✅ 训练阶段成功完成！" | tee -a ${LOG_FILE}
#
# --- 阶段 2: 模型测试 ---
#
echo "" | tee -a ${LOG_FILE}
echo "=============== [阶段 2/2] 开始模型测试... ===============" | tee -a ${LOG_FILE}
echo "" | tee -a ${LOG_FILE}
# 自动查找刚刚训练生成的最新实验目录
# -t: 按修改时间排序, -d: 只列出目录
LATEST_EXP_DIR=$(ls -td ./Experiments/${EXP_NAME}*/ | head -1)
if [ -z "${LATEST_EXP_DIR}" ]; then
echo "❌ 找不到最新的实验目录，无法进行测试。" | tee -a ${LOG_FILE}
exit 1
fi
# 去掉路径末尾可能存在的斜杠
LATEST_EXP_DIR=$(echo "${LATEST_EXP_DIR}" | sed 's:/*$::')
echo "已自动找到最新的实验目录: ${LATEST_EXP_DIR}" | tee -a ${LOG_FILE}
echo "将使用 Epoch ${FINAL_EPOCH} 的模型进行测试..." | tee -a ${LOG_FILE}
# 调用 main.py 进行测试
python3 -u main.py \
--mode test \
--model_path "${LATEST_EXP_DIR}" \
--model_epoch ${FINAL_EPOCH} \
--sampling_type ${SAMPLING_TYPE} \
--ddim_steps 50 \
--ddim_eta 0.0 \
--device_id ${DEVICE_ID} \
--exp_name ${EXP_NAME}_final_test \
--debug \
2>&1 | tee -a ${LOG_FILE}
TEST_EXIT_CODE=${PIPESTATUS[0]}
echo "" | tee -a ${LOG_FILE}
echo "=====================================" | tee -a ${LOG_FILE}
if [ ${TEST_EXIT_CODE} -eq 0 ]; then
echo "✅ 端到端流程全部成功完成！" | tee -a ${LOG_FILE}
else
echo "❌ 测试阶段失败，退出码: ${TEST_EXIT_CODE}" | tee -a ${LOG_FILE}
fi
echo "完成时间: $(date)" | tee -a ${LOG_FILE}
echo "最终结果请查看日志文件: ${LOG_FILE}" | tee -a ${LOG_FILE}
echo "=====================================" | tee -a ${LOG_FILE}
exit ${TEST_EXIT_CODE}
|