EgoDex 본 학습 준비

TL;DR

다운로드 6/6 완료. 변환 4/6(extra, part2–4) 완료, verify.py 전 파일 통과(행 수 = 영상 프레임 수 = length 합).
train root lerobot_v3_train(test 제외 symlink) + pooled stats job 211010(part1/part5 완료 후 자동 시작).
런처 scripts/train_egodex_hand.sh 완성(30k step, 2k마다 resume 가능 저장). 남은 것: part1/5 변환, stats, 초기 가중치 결정.

4/6

split 변환

535 h

train 완료분

0

bad files

11.3M

test+extra window

1split별 결과

split	ep	frames	시간	has_conf	bad	용도
test	3,243	826,253	7.7 h	0.86	0	held-out
extra	20,152	10,471,567	97.0 h	1.00	0	train
part2	95,125	15,649,158	144.9 h	0.92	0	train
part3	53,779	15,741,753	145.8 h	1.00	0	train
part4	44,129	15,940,876	147.6 h	0.91	0	train
part1	—	—	—	—	—	변환 중 (209828)
part5	—	—	—	—	—	변환 중 (209832)

2작업 내용

verify.py: 처음엔 dataset_from_index를 파일 내 offset으로 가정해 2,162개 오탐 → 전역 행 index임을 확인하고 수정.
OpenWAM root mode는 하위의 모든 LeRobot 디렉토리를 bucket으로 읽어 test가 섞이므로 train 전용 symlink root를 둠. 리더 root mode 동작 확인(test+extra 11,297,820 window).
stats: anchor stride 64(16이면 차원당 약 1.9억 샘플로 메모리 36 GB 이상).

sbm "bash scripts/train_egodex_hand.sh" --qos=own --gres=gpu:8 -c 64 --mem 1600GB --time 3-00:00:00 -J egodex_wam

3Next

part1/part5 변환 → verify → stats 확인 → 초기 가중치(Wan2.2 / pretrain_two_stage_ego / α) 결정 → 제출.